Performance of (Q)SAR Models for Predicting Ames Mutagenicity of Aryl Azo and Benzidine Based Compounds
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
Regulatory agencies worldwide are committed to the objectives of the Strategic Approach to International Chemicals Management to ensure that by 2020 chemicals are used and produced in ways that lead to the minimization of significant adverse effects on human health and the environment. Under the Government of Canada's Chemicals Management Plan, the commitment to address a large number of substances, many with limited data, has highlighted the importance of pursuing alternative hazard assessment methodologies that are able to accommodate chemicals with varying toxicological information. One such method is (Quantitative) Structure Activity Relationships ((Q)SAR) models. The current investigation into the predictivity of 20 (Q)SAR tools designed to model bacterial reverse mutation in Salmonella typhimurium is one of the first of this magnitude to be carried out using an external validation set comprised mainly of industrial chemicals which represent a diverse group of aromatic and benzidine-based azo dyes and pigments. Overall, this study highlights the value in challenging the predictivity of existing models using a small but representative subset of data-rich chemicals. Furthermore, external validation revealed that only a handful of models satisfactorily predicted for the test chemical space. The exercise also provides insight into using the Organisation for Economic Co-operation and Development (Q)SAR Toolbox as a read across tool.
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 | 0,004 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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