Physiological modeling and extrapolation of pharmacokinetic interactions from binary to more complex chemical mixtures.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The available data on binary interactions are yet to be considered within the context of mixture risk assessment because of our inability to predict the effect of a third or a fourth chemical in the mixture on the interacting binary pairs. Physiologically based pharmacokinetic (PBPK) models represent a potentially useful framework for predicting the consequences of interactions in mixtures of increasing complexity. This article highlights the conceptual basis and validity of PBPK models for extrapolating the occurrence and magnitude of interactions from binary to more complex chemical mixtures. The methodology involves the development of PBPK models for all mixture components and interconnecting them at the level of the tissue where the interaction is occurring. Once all component models are interconnected at the binary level, the PBPK framework simulates the kinetics of all mixture components, accounting for the interactions occurring at various levels in more complex mixtures. This aspect was validated by comparing the simulations of a binary interaction-based PBPK model with experimental data on the inhalation kinetics of m-xylene, toluene, ethyl benzene, dichloromethane, and benzene in mixtures of varying composition and complexity. The ability to predict the kinetics of chemicals in complex mixtures by accounting for binary interactions alone within a PBPK model is a significant step toward the development of interaction-based risk assessment for chemical mixtures.
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.
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) | 0,001 | 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) | 0,003 | 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 découle