Estimating metabolic biotransformation rates in fish from laboratory data
Notice bibliographique
Résumé
A method is proposed for estimating metabolic biotransformation rate constants for nonionic organic chemicals from measured laboratory bioconcentration and dietary bioaccumulation data in fish. Data have been selected based on a quality review to reduce uncertainty in the measured values. A kinetic mass balance model is used to estimate rates of chemical uptake and elimination. Biotransformation rate constants are essentially calculated as the difference between two quantities, a measured bioconcentration factor or elimination rate constant, and a model-derived bioconcentration factor or elimination rate constant estimated assuming no biotransformation. Model parameterization exploits key empirical data when they are available and assumes default values when study specific data are unavailable. Uncertainty analyses provide screening level assessments for confidence in the biotransformation rate constant estimates. The uncertainty analyses include the range for 95% of the predicted values and 95% confidence intervals for the calculated biotransformation values. Case studies are provided to illustrate the calculation and uncertainty methods. Biotransformation rate constants calculated by the proposed method are compared with other published estimates for 31 chemicals that range in octanol-water partition coefficients from approximately 10(1) to 10(8) and represent over four orders of magnitude in biotransformation potential. The comparison of previously published values with those calculated by the proposed method shows general agreement with 82% of the estimated values falling within a factor of three.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».