Abstract Background The extensive use of per- and polyfluoroalkyl substances (PFAS) has led to environmental contamination and bioaccumulation. Previous research linked PFAS exposure to female reproductive disorders, but the mechanism remains elusive. Further, most studies focused on legacy long-chain PFOA and PFOS, yet the reproductive impacts of other long-chain PFAS and short-chain alternatives are rarely explored. Objectives We investigated the effects and mechanisms of long- and short-chain PFAS on the ovary and associated ovarian functions. Methods A 3D in vitro ovarian follicle culture system and an in vivo mouse model, together with approaches of reverse transcription-quantitative polymerase chain reaction, enzyme-linked immunosorbent assay, RNA-sequencing, pharmacological treatment, in situ zymography, histology, in situ hybridization, analytical chemistry, and benchmark dose modeling (BMD), were used to test environmentally relevant exposure levels of six long- and short-chain PFAS on follicle maturation, hormone secretion, and ovulation. Results In vitro exposure revealed that long-but not short-chain PFAS interfered with gonadotropin-dependent follicle maturation, ovulation, and hormone secretion. Mechanistically, long-chain perfluorononanoic acid (PFNA) acted as a peroxisome proliferator-activated receptor gamma (PPAR γ ) agonist in granulosa cells to disrupt follicle-stimulating hormone (FSH)-dependent follicle maturation, luteinizing hormone (LH)-stimulated ovulation, and associated gene regulatory pathways. In vivo mouse exposure confirmed the ovarian accumulation of PFNA and the mechanism of PPAR γ -mediated ovarian toxicities of PFNA observed in vitro . The BMD analysis of in vitro and in vivo results suggested human relevant exposure levels of long-chain PFAS in our study pose an extra risk of ovarian defects, with follicular rupture as the most sensitive endpoint. Discussion Using in vitro follicle culture and in vivo mouse models, we discovered that long-chain PFAS interfere with gonadotropin-dependent follicle maturation, hormone secretion, and ovulation, posing a non-negligible risk to women’s reproductive health including anovulation, irregular menstrual cycles, and sub- or infertility.

Composite insulators are integral to the power grid, providing electrical insulation and mechanical support. However, their prolonged exposure to outdoor conditions renders them vulnerable to ageing. This can result in flashovers and economic losses. Hyperspectral imaging (HSI) has been identified as a promising non-contact detection method to effectively assess the microscopic ageing status of these insulators' surfaces. This study involved conducting artificial accelerated ageing experiments to mimic extended outdoor operational conditions. The static contact angle of ageing silicone rubber samples served as the basis for ageing classification. High-resolution HSIs of samples at various ageing stages were obtained, covering wavelengths from 400 nm to 1040 nm. Singular spectrum analysis was applied to denoise spectral and spatial domains, eliminating environmental and equipment-related noise effectively. Additionally, a convolutional neural network (CNN) was utilised to extract deep features from the spectral domain and combine them with spatial domain features, thus reducing dimensionality. The resulting fused spatial–spectral features were classified using a support vector machine. The joint denoising and feature fusion in this study's spectral–spatial domain resulted in a notable improvement of 34.9 % in overall accuracy, achieving a score of 98.3 %. This approach exhibited superior performance, particularly in evaluating severely aged samples. The proposed approach enhances the accuracy in assessing the ageing status of composite insulators and enables pixel-level visualisation of ageing distribution. This assists in guiding the design of insulators' shapes and materials for various environmental conditions. Moreover, this method is potentially applicable in detecting ageing in other electrical equipment.