High-efficiency effect-directed analysis (EDA) advancing toxicant identification in aquatic environments: Latest progress and application status

毒物 鉴定(生物学) 生化工程 计算机科学 自动化 生物信息学 计算生物学 生物 工程类 化学 生态学 毒性 生物化学 机械工程 基因 有机化学
作者
Wenrui Luo,Liben Chou,Qinglan Cui,Si Wei,Xiaowei Zhang,Jing Guo
出处
期刊:Environment International [Elsevier]
卷期号:190: 108855-108855 被引量:2
标识
DOI:10.1016/j.envint.2024.108855
摘要

Facing the great threats to ecosystems and human health posed by the continuous release of chemicals into aquatic environments, effect-directed analysis (EDA) has emerged as a powerful tool for identifying causative toxicants. However, traditional EDA shows problems of low-coverage, labor-intensive and low-efficiency. Currently, a number of high-efficiency techniques have been integrated into EDA to improve toxicant identification. In this review, the latest progress and current limitations of high-efficiency EDA, comprising high-coverage effect evaluation, high-resolution fractionation, high-coverage chemical analysis, high-automation causative peak extraction and high-efficiency structure elucidation, are summarized. Specifically, high-resolution fractionation, high-automation data processing algorithms and in silico structure elucidation techniques have been well developed to enhance EDA. While high-coverage effect evaluation and chemical analysis should be further emphasized, especially omics tools and data-independent mass acquisition. For the application status in aquatic environments, high-efficiency EDA is widely applied in surface water and wastewater. Estrogenic, androgenic and aryl hydrocarbon receptor-mediated activities are the most concerning, with causative toxicants showing the typical structural features of steroids and benzenoids. A better understanding of the latest progress and application status of EDA would be beneficial to further advance in the field and greatly support aquatic environment monitoring.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
多情翼发布了新的文献求助10
刚刚
1秒前
2秒前
灵巧大地发布了新的文献求助10
2秒前
Orange应助simiger采纳,获得10
3秒前
脑洞疼应助simiger采纳,获得10
3秒前
天天快乐应助荒谬采纳,获得10
3秒前
CipherSage应助失眠的数据线采纳,获得50
4秒前
X_F完成签到,获得积分10
4秒前
wanci应助科研的牲口采纳,获得10
4秒前
秀儿完成签到,获得积分10
4秒前
4秒前
科研小白完成签到,获得积分10
5秒前
5秒前
寒冷冰岚发布了新的文献求助10
6秒前
Lucas应助眯眯眼的雪莲采纳,获得10
6秒前
灰姑娘完成签到,获得积分20
6秒前
晓湫完成签到,获得积分10
7秒前
mark2021完成签到,获得积分10
9秒前
慕青应助zhuoai采纳,获得10
9秒前
晨雨完成签到,获得积分10
9秒前
vocrious完成签到,获得积分10
11秒前
11秒前
等我吃胖发布了新的文献求助10
12秒前
寒冷冰岚完成签到,获得积分10
12秒前
ZoeyD完成签到 ,获得积分10
13秒前
simiger发布了新的文献求助10
14秒前
14秒前
15秒前
李建辉完成签到 ,获得积分10
15秒前
Esfec发布了新的文献求助10
16秒前
16秒前
Www发布了新的文献求助10
17秒前
丘比特应助苹果猫咪采纳,获得10
17秒前
Du完成签到,获得积分10
17秒前
hui发布了新的文献求助30
20秒前
21秒前
研友_ZzwVO8发布了新的文献求助10
21秒前
21秒前
22秒前
高分求助中
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger Heßler, Claudia, Rud 1000
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 1000
Natural History of Mantodea 螳螂的自然史 1000
A Photographic Guide to Mantis of China 常见螳螂野外识别手册 800
Barge Mooring (Oilfield Seamanship Series Volume 6) 600
ANSYS Workbench基础教程与实例详解 500
Spatial Political Economy: Uneven Development and the Production of Nature in Chile 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 内科学 物理 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 免疫学 细胞生物学 量子力学
热门帖子
关注 科研通微信公众号,转发送积分 3325548
求助须知:如何正确求助?哪些是违规求助? 2956254
关于积分的说明 8579795
捐赠科研通 2634204
什么是DOI,文献DOI怎么找? 1441804
科研通“疑难数据库(出版商)”最低求助积分说明 667952
邀请新用户注册赠送积分活动 654755