CN112763382A - 一种金属纳米粒子联合毒性的定量预测方法 - Google Patents
一种金属纳米粒子联合毒性的定量预测方法 Download PDFInfo
- Publication number
- CN112763382A CN112763382A CN202110028467.7A CN202110028467A CN112763382A CN 112763382 A CN112763382 A CN 112763382A CN 202110028467 A CN202110028467 A CN 202110028467A CN 112763382 A CN112763382 A CN 112763382A
- Authority
- CN
- China
- Prior art keywords
- quantitative prediction
- menpm
- nanoparticles
- metal oxide
- toxicity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 231100000419 toxicity Toxicity 0.000 title claims abstract description 41
- 230000001988 toxicity Effects 0.000 title claims abstract description 41
- 239000002082 metal nanoparticle Substances 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 title claims abstract description 20
- 239000002105 nanoparticle Substances 0.000 claims abstract description 71
- 239000000203 mixture Substances 0.000 claims abstract description 23
- 238000012360 testing method Methods 0.000 claims abstract description 12
- 238000000611 regression analysis Methods 0.000 claims abstract description 5
- 229910044991 metal oxide Inorganic materials 0.000 claims description 46
- 150000004706 metal oxides Chemical class 0.000 claims description 44
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N Titan oxide Chemical compound O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 claims description 16
- MCMNRKCIXSYSNV-UHFFFAOYSA-N Zirconium dioxide Chemical compound O=[Zr]=O MCMNRKCIXSYSNV-UHFFFAOYSA-N 0.000 claims description 15
- 230000000694 effects Effects 0.000 claims description 12
- 239000002184 metal Substances 0.000 claims description 9
- 235000007122 Scenedesmus obliquus Nutrition 0.000 claims description 8
- 241000195662 Tetradesmus obliquus Species 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 7
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 5
- OGIDPMRJRNCKJF-UHFFFAOYSA-N titanium oxide Inorganic materials [Ti]=O OGIDPMRJRNCKJF-UHFFFAOYSA-N 0.000 claims description 5
- 238000002790 cross-validation Methods 0.000 claims description 4
- 230000009977 dual effect Effects 0.000 claims description 4
- 231100000820 toxicity test Toxicity 0.000 claims description 4
- 238000011835 investigation Methods 0.000 claims description 2
- QPLDLSVMHZLSFG-UHFFFAOYSA-N CuO Inorganic materials [Cu]=O QPLDLSVMHZLSFG-UHFFFAOYSA-N 0.000 claims 4
- XLOMVQKBTHCTTD-UHFFFAOYSA-N zinc oxide Inorganic materials [Zn]=O XLOMVQKBTHCTTD-UHFFFAOYSA-N 0.000 claims 4
- 238000011161 development Methods 0.000 description 5
- 239000002086 nanomaterial Substances 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 230000005183 environmental health Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- -1 metal oxide ions Chemical class 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 231100000331 toxic Toxicity 0.000 description 2
- 101100264224 Mus musculus Xrn1 gene Proteins 0.000 description 1
- 101100049937 Mus musculus Xrn2 gene Proteins 0.000 description 1
- 239000012298 atmosphere Substances 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229910021645 metal ion Inorganic materials 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000002110 toxicologic effect Effects 0.000 description 1
- 231100000759 toxicological effect Toxicity 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Dispersion Chemistry (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种金属纳米粒子联合毒性的定量预测方法，该定量预测方法基于多元金属纳米粒子的联合毒性终点值与单一金属纳米粒子的理化性质，针对不同的理化指标通过回归分析发展MENPM定量预测模型，通过拟合系数判别模型的拟合度、稳健性和预测能力，从理化指标中筛选出通用描述符，建立MENPM定量预测模型。本发明基于工程纳米粒子的结构、组成及理化性质与毒性机制的密切关联度，探索更为获取、机理清晰的通用纳米描述符，进而建立多元工程纳米粒子间联合毒性（MENPM）的定量预测模型，突破了以往只能采用生物测试的技术瓶颈，填补国内外空白。
Description
技术领域
本发明涉及环境科学领域，具体涉及一种能够定量预测多元工程纳米粒子间联合毒性(MENPM)的方法。
背景技术
随着现有纳米材料市场渗透的日益增加和不间断的新纳米材料的开发，大量的工程纳米粒子将不可避免地释放到大气、水、土壤中，成为潜在的环境污染物。工程纳米材料具有不同于原子或分子，也不同于传统块体材料的物理化学特性，这也引起人们对工程纳米粒子的人类健康和生态健康风险的关注。评估工程纳米粒子的环境风险，不仅是科学界面临的挑战，也已成为各国纳米科技可持续发展的重大国家需求。纳米科技发展突飞猛进，而人们对于工程纳米粒子毒理效应和风险性的认识远远滞后其生产和应用的发展速度。为了应对这个问题，全世界的环境科学家和毒理学家普遍认识到需要发展和验证面向工程纳米粒子的定量预测方法。
化学污染物以各种混合形式存在于环境中是一条普遍的规律。由于工程纳米粒子在工业和消费品中的大量使用，工程纳米粒子将不可避免的排放到环境中，因而在靠近或远离点源处，工程纳米粒子可能会以混合物的形式暴露于自然生态系统中。工程纳米粒子联合暴露产生的生态风险可能比单一工程纳米粒子存在对环境安全造成的危害更大。近年，国内外有关多元工程纳米粒子间联合毒性研究方兴未艾，尤其集中于通过生物测试考察多元工程纳米粒子混合物的联合毒性效应及探究其作用方式。然而，关于发展多元工程纳米粒子间联合毒性的定量预测方法的研究鲜有报道。
发明内容
本发明的目的是为了解决现有技术中存在的缺陷，提供一种通用描述符交易获取的、预测较为准确的、针对多元工程纳米粒子间联合毒性的定量预测模型。
为了达到上述目的，本发明提供了一种金属纳米粒子联合毒性的定量预测方法，该定量预测方法基于多元金属纳米粒子的联合毒性终点值与单一金属纳米粒子的理化性质，针对不同的理化指标通过回归分析发展MENPM定量预测模型，通过拟合系数判别模型的拟合度、稳健性和预测能力，从理化指标中筛选出通用描述符，建立MENPM定量预测模型。
具体的，本发明定量预测方法包括以下步骤：
(1)生物毒性测试：分别测定各金属纳米粒子对受试生物的单一毒性、及多元联合毒性；
(2)理化指标获取：分别测定或获取各金属纳米粒子的理化指标数据；
(3)发展MENPM定量预测模型：基于不同理化指标，结合多元联合毒性终点值，通过回归分析，分别发展MENPM定量预测模型；
(4)建立MENPM定量预测模型：通过相关系数、交叉验证系数、决定系数对不同理化指标发展MENPM定量预测模型判别模型的拟合度、稳健性及预测能力，筛选出作为通用描述符的理化指标，建立MENPM定量预测模型。
更为具体的，针对金属纳米粒子为ZnO、CuO、TiO2、ZrO2时，上述定量预测方法进行以上四种金属纳米粒子的二元联合毒性的定量预测，包括以下步骤：
(1)生物毒性测试：考察ZnO、CuO、TiO2、ZrO2纳米粒子对受试生物的单一及二元联合毒性，确定这四种金属氧化物纳米粒子的单一及二元联合毒性的EC10和EC50值，其中二元混合比例选取体系中单一金属氧化物纳米粒子的EC10：EC10和EC50：EC50两种比率；
(2)理化指标获取：利用马尔文激光粒度仪，分别测定ZnO、CuO、TiO2、ZrO2纳米粒子在测试介质中的表面零点电势和水动力学直径；分别获取ZnO、CuO、TiO2、ZrO2纳米粒子中金属态原子电负性值和金属氧化物粒子生成焓数据；
(3)发展MENPM定量预测模型：基于这四种金属氧化物纳米粒子的二元联合毒性的EC10和EC50值，分别结合单一金属氧化物纳米粒子中金属态原子电负性值、金属氧化物离子生成焓、金属氧化物纳米粒子的表面零点电势及水动力学直径，通过偏最小二乘法发展四个对应的MENPM定量预测模型；
(4)建立MENPM定量预测模型：通过相关系数、交叉验证系数、决定系数分别判别步骤(3)发展的四个模型的拟合度、稳健性及预测能力，进而筛选作为通用描述符的理化指标，建立MENPM定量预测模型。
在部分实施例中，针对更为具体的受试生物选取斜生栅藻；根据以上步骤，筛选出水动力学直径作为通用描述符。
由此针对最终建立的针对ZnO、CuO、TiO2、ZrO2纳米粒子对斜生栅藻的二元联合毒性MENPM定量预测模型为：
log1/ECM1+M2 50＝-0.224+0.494·DHM1+0.963·DHM2
式中，ECM1+M2 50为金属氧化物纳米粒子二元混合物的50％效应浓度值；DHM1、DHM2分别为金属氧化物纳米粒子二元混合物中组分1、组分2的水动力学直径。
进一步的，针对其它金属纳米粒子对受试生物的多元联合毒性，当步骤(4)筛选水动力学直径作为通用描述符时，建立的MENPM定量预测模型为：
log1/ECM1+M2+...+Mn 50＝a+b1·DHM1+b2·DHM2+…+bn·DHMn
式中，ECM1+M2+...+Mn 50为金属氧化物纳米粒子多元混合物的50％效应浓度值；DHM1、DHM2、…DHMn分别为金属氧化物纳米粒子多元混合物中组分1、组分2…组分n的水动力学直径；a,b1,b2,…,bn分别为回归系数值。
本发明相比现有技术具有以下优点：
1、本发明基于工程纳米粒子的结构、组成及理化性质与毒性机制的密切关联度，探索更为获取、机理清晰的通用纳米描述符，进而建立多元工程纳米粒子间联合毒性(MENPM)的定量预测模型，突破了以往只能采用生物测试的技术瓶颈，填补国内外空白。
2、本发明MENPM定量预测模型的构建方法适用于多种工程纳米粒子针对不同受试生物的联合毒性预测，构建方式简单、透明、机理清晰。
附图说明
图1为本发明金属纳米粒子联合毒性预测方法的流程图；
图2为本发明金属纳米粒子二元混合毒性1/EC50的实验值与预测值的对比。
具体实施方式
下面结合具体实施例对本发明进行详细说明。
实施例1
以四种金属氧化物纳米粒子(ZnO、CuO、TiO2、ZrO2)对一种淡水生物斜生栅藻(Scenedesmus obliquus)的二元联合毒性作用为例，基于单一金属纳米粒子中金属态原子电负性值、属离子生成焓、金属纳米粒子的表面零点电势、水动力学直径四种描述符，结合两种混合比例(即单一金属氧化物纳米粒子的50％效应浓度EC50值和10％效应浓度EC10值)，发展金属氧化物纳米粒子的MENPM定量预测模型。
如图1所示，具体步骤如下：
(1)通过生物毒性测试，考察ZnO、CuO、TiO2、ZrO2纳米粒子对斜生栅藻的单一及二元联合毒性，确定这四种金属氧化物纳米粒子的单一及二元联合毒性的EC10和EC50值，其中二元混合比例选取体系中单一金属氧化物纳米粒子的EC10：EC10和EC50：EC50两种比率；
(2)利用马尔文激光粒度仪(nano-ZS 90)，测定ZnO、CuO、TiO2、ZrO2纳米粒子分别在测试介质中的表面零点电势和水动力学直径；单一金属氧化物纳米粒子中金属态原子电负性值和金属氧化物离子生成焓数据分别引自文献：Environmental HealthPerspectives 2020,128(6):067010-1-067010-13.和Nature Nanotechnology 6(3):175-178。
四种金属氧化物纳米粒子对斜生栅藻的单一与联合毒性及纳米结构与理化性质描述符如下表所示：
表1.四种金属氧化物纳米粒子对斜生栅藻的单一与联合毒性及纳米结构与理化性质描述符
a数据引自文献：Environmental Health Perspectives 2020,128(6):067010-1-067010-13.
b数据引自文献：Nature Nanotechnology 2011,6(3):175-178.
(3)基于这四种金属氧化物纳米粒子的二元联合毒性的EC10和EC50值，结合单一金属氧化物纳米粒子中金属态原子电负性值(χ)、金属氧化物离子生成焓(ΔH)、金属氧化物纳米粒子的表面零点电势(ZP)及水动力学直径(DH)，通过偏最小二乘法发展了MENPM定量预测模型：
n＝12,R＝0.589,Q2 CUM＝0.223,R2＝0.347
式中，ECM1+M2 50为金属氧化物纳米粒子二元混合物的50％效应浓度值；χM1和χM2分别为金属氧化物纳米粒子二元混合物中组分1和组分2中金属态原子电负性值。
n＝12,R＝0.831,Q2 CUM＝0.541,R2＝0.690
式中，ECM1+M2 50为金属氧化物纳米粒子二元混合物的50％效应浓度值；ΔHM1和ΔHM2分别为金属氧化物纳米粒子二元混合物中组分1和组分2的金属氧化物离子生成焓。
n＝12,R＝0.874,Q2 CUM＝0.569,R2＝0.764
式中，ECM1+M2 50为金属氧化物纳米粒子二元混合物的50％效应浓度值；ZPM1和ZPM2分别为金属氧化物纳米粒子二元混合物中组分1和组分2的表面零点电势值。
n＝12,R＝0.940,Q2 CUM＝0.683,R2＝0.883
式中，ECM1+M2 50为金属氧化物纳米粒子二元混合物的50％效应浓度值；DHM1和DHM2分别为金属氧化物纳米粒子二元混合物中组分1和组分2的水动力学直径。
(4)通过拟合系数(R、QCUM 2、R2)判别以上四个模型的拟合度、稳健性及预测能力，进而筛选水动力学直径作为通用描述符，建立MENPM定量预测模型，见公式5。
式中，ECM1+M2+...+Mn 50为金属氧化物纳米粒子多元混合物的50％效应浓度值；DHM1、DHM2、…DHMn分别为金属氧化物纳米粒子二元混合物中组分1、组分2…组分n的水动力学直径；a,b1,b2,…bn分别为回归系数值。
效果实施例
以ZnO、CuO、TiO2、ZrO2四种纳米粒子的二元混合毒性进行测定，1/EC50的实验值与通过上述MENPM模型(基于水动力学直径描述符)计算的1/EC50预测值对比关系如图2所示。分析结果表明实验值与预测值具有较好的一致性(R＝0.940)。此外，由公式4所建立的模型经过统计分析得到的回归参数可知：Q2 CUM＝0.683，该值大于0.5，说明模型具有很好的稳健性和内部预测能力，这时模型具有很好的拟合优度。
Claims (6)
1.一种金属纳米粒子联合毒性的定量预测方法，其特征在于，所述定量预测方法基于多元金属纳米粒子的联合毒性终点值与单一金属纳米粒子的理化性质，针对不同的理化指标通过回归分析发展MENPM定量预测模型，通过拟合系数判别模型的拟合度、稳健性和预测能力，从理化指标中筛选出通用描述符，建立MENPM定量预测模型。
2.根据权利要求1所述的定量预测方法，其特征在于，所述定量预测方法包括以下步骤：
(1)生物毒性测试：分别测定各金属纳米粒子对受试生物的单一毒性、及多元联合毒性；
(2)理化指标获取：分别测定或获取各金属纳米粒子的理化指标数据；
(3)发展MENPM定量预测模型：基于不同理化指标，结合多元联合毒性终点值，通过回归分析，分别发展MENPM定量预测模型；
(4)建立MENPM定量预测模型：通过相关系数、交叉验证系数、决定系数对不同理化指标发展MENPM定量预测模型判别模型的拟合度、稳健性及预测能力，筛选出作为通用描述符的理化指标，建立MENPM定量预测模型。
3.根据权利要求2所述的定量预测方法，其特征在于，所述金属纳米粒子为ZnO、CuO、TiO2、ZrO2；所述定量预测方法针对所述金属纳米粒子的二元联合毒性，包括以下步骤：
(1)生物毒性测试：考察ZnO、CuO、TiO2、ZrO2纳米粒子对受试生物的单一及二元联合毒性，确定这四种金属氧化物纳米粒子的单一及二元联合毒性的EC10和EC50值，其中二元混合比例选取体系中单一金属氧化物纳米粒子的EC10：EC10和EC50：EC50两种比率；
(2)理化指标获取：利用马尔文激光粒度仪，分别测定ZnO、CuO、TiO2、ZrO2纳米粒子在测试介质中的表面零点电势和水动力学直径；分别获取ZnO、CuO、TiO2、ZrO2纳米粒子中金属态原子电负性值和金属氧化物粒子生成焓数据；
(3)发展MENPM定量预测模型：基于这四种金属氧化物纳米粒子的二元联合毒性的EC10和EC50值，分别结合单一金属氧化物纳米粒子中金属态原子电负性值、金属氧化物离子生成焓、金属氧化物纳米粒子的表面零点电势及水动力学直径，通过偏最小二乘法发展四个对应的MENPM定量预测模型；
(4)建立MENPM定量预测模型：通过相关系数、交叉验证系数、决定系数分别判别步骤(3)发展的四个模型的拟合度、稳健性及预测能力，进而筛选作为通用描述符的理化指标，建立MENPM定量预测模型。
4.根据权利要求3所述的定量预测方法，其特征在于，所述受试生物选取斜生栅藻；所述步骤(4)筛选出水动力学直径作为通用描述符。
5.根据权利要求4所述的定量预测方法，其特征在于，所述步骤(4)建立的MENPM定量预测模型为：
log1/ECM1+M2 50＝-0.224+0.494·DHM1+0.963·DHM2
式中，ECM1+M2 50为金属氧化物纳米粒子二元混合物的50％效应浓度值；DHM1、DHM2分别为金属氧化物纳米粒子二元混合物中组分1、组分2的水动力学直径。
6.根据权利要求2所述的定量预测方法，其特征在于，所述步骤(4)筛选水动力学直径作为通用描述符，建立的MENPM定量预测模型为：
log1/ECM1+M2+...+Mn 50＝a+b1·DHM1+b2·DHM2+…+bn·DHMn
式中，ECM1+M2+...+Mn 50为金属氧化物纳米粒子多元混合物的50％效应浓度值；DHM1、DHM2、…DHMn分别为金属氧化物纳米粒子多元混合物中组分1、组分2…组分n的水动力学直径；a,b1,b2,…,bn分别为回归系数值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110028467.7A CN112763382B (zh) | 2021-01-11 | 2021-01-11 | 一种金属纳米粒子联合毒性的定量预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110028467.7A CN112763382B (zh) | 2021-01-11 | 2021-01-11 | 一种金属纳米粒子联合毒性的定量预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112763382A true CN112763382A (zh) | 2021-05-07 |
| CN112763382B CN112763382B (zh) | 2022-03-15 |
Family
ID=75701183
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110028467.7A Active CN112763382B (zh) | 2021-01-11 | 2021-01-11 | 一种金属纳米粒子联合毒性的定量预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112763382B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090029391A1 (en) * | 2007-05-29 | 2009-01-29 | Patrick Englebienne | Reagents and methods for the determination of pk/adme-tox characteristics of new chemical entities and of drug candidates |
| CN104899458A (zh) * | 2015-06-16 | 2015-09-09 | 中国环境科学研究院 | 评价纳米金属氧化物健康效应的qsar毒性预测方法 |
| CN107194202A (zh) * | 2017-07-26 | 2017-09-22 | 中国环境科学研究院 | 过渡金属保护人体健康水质基准的非致癌EDs预测方法 |
| CN109110817A (zh) * | 2018-09-17 | 2019-01-01 | 哈尔滨理工大学 | 一种二硫化钨纳米球/碳纳米纤维复合材料的制备及应用 |
| CN110111857A (zh) * | 2019-03-26 | 2019-08-09 | 南京工业大学 | 一种预测纳米金属氧化物生物毒性的方法 |
-
2021
- 2021-01-11 CN CN202110028467.7A patent/CN112763382B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090029391A1 (en) * | 2007-05-29 | 2009-01-29 | Patrick Englebienne | Reagents and methods for the determination of pk/adme-tox characteristics of new chemical entities and of drug candidates |
| CN104899458A (zh) * | 2015-06-16 | 2015-09-09 | 中国环境科学研究院 | 评价纳米金属氧化物健康效应的qsar毒性预测方法 |
| CN107194202A (zh) * | 2017-07-26 | 2017-09-22 | 中国环境科学研究院 | 过渡金属保护人体健康水质基准的非致癌EDs预测方法 |
| CN109110817A (zh) * | 2018-09-17 | 2019-01-01 | 哈尔滨理工大学 | 一种二硫化钨纳米球/碳纳米纤维复合材料的制备及应用 |
| CN110111857A (zh) * | 2019-03-26 | 2019-08-09 | 南京工业大学 | 一种预测纳米金属氧化物生物毒性的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 邓景景等: "应用PLS-QSAR模型预测纳米金属氧化物的毒性", 《癌变 畸变 突变》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112763382B (zh) | 2022-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Johnston et al. | Key challenges for evaluation of the safety of engineered nanomaterials | |
| Stone et al. | Nanomaterials for environmental studies: classification, reference material issues, and strategies for physico-chemical characterisation | |
| Pirela et al. | Consumer exposures to laser printer-emitted engineered nanoparticles: a case study of life-cycle implications from nano-enabled products | |
| Baun et al. | Setting the limits for engineered nanoparticles in European surface waters–are current approaches appropriate? | |
| Huang et al. | Testing and optimizing two factor-analysis techniques on aerosol at Narragansett, Rhode Island | |
| Jang et al. | Characterization of silver nanoparticles under environmentally relevant conditions using asymmetrical flow field-flow fractionation (AF4) | |
| Rauscher et al. | Towards a Review of the EC Recommendation for a Definition of the Term “Nanomaterial” | |
| Nielsen et al. | Nanomaterials in the European chemicals legislation–methodological challenges for registration and environmental safety assessment | |
| Hansen et al. | A critical analysis of the environmental dossiers from the OECD sponsorship programme for the testing of manufactured nanomaterials | |
| Surette et al. | What is “Environmentally Relevant”? A framework to advance research on the environmental fate and effects of engineered nanomaterials | |
| CN112763382B (zh) | 一种金属纳米粒子联合毒性的定量预测方法 | |
| Dai et al. | A molecularly imprinted ratiometric fluorescence sensor based on blue/red carbon quantum dots for the visual determination of thiamethoxam | |
| Labuda et al. | Analytical chemistry of engineered nanomaterials: Part 1. Scope, regulation, legislation, and metrology (IUPAC Technical Report) | |
| Clifford et al. | International standards in nanotechnologies | |
| Danesh-Khorasgani et al. | PVC-zeolite nanoparticle-surfactant anion exchanger membrane: preparation, characterization, and its application in development of ion-selective electrode for detection of sulfate | |
| Ham et al. | Comparison of methods for pretreatment and quantification of bulk asbestos samples for polarized light microscopy analysis to evaluate asbestos-containing waste | |
| Cross et al. | Reproducibility of methods required to identify and characterize nanoforms of substances | |
| Binda et al. | Selection of the optimal extraction protocol to investigate the interaction between trace elements and environmental plastic | |
| Ma et al. | Particle size analysis of dispersed oil and oil‐mineral aggregates with an automated ultraviolet epi‐fluorescence microscopy system | |
| Shatkin et al. | Perspectives on risks of nanomaterials and nanotechnologies: advancing the science. | |
| Cuffney et al. | Potential pitfalls of aggregating aquatic invertebrate data from multiple agency sources: Implications for detecting aquatic assemblage change across alteration gradients | |
| Stone et al. | European NanoSafety Cluster | |
| Pandya et al. | Surface‐enhanced Raman spectroscopic analysis of anatase titanium dioxide nanoparticles: investigation of the key factors | |
| Li et al. | Determination of nucleic acid based on increased resonance light-scattering of fluorinated surfactants | |
| Itoua et al. | Influence of waste toner on asphalt binder: chemical and rheological characterization |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |