MétaCan
Menu
Retour à la cohorte
Enregistrement W2057868137 · doi:10.1080/10659360500474623

Base-line model for identifying the bioaccumulation potential of chemicals

2005· article· en· W2057868137 sur OpenAlexaff
S. Dimitrov, Nadezhda Dimitrova, Thomas F. Parkerton, Mike Comber, Mark Bonnell, Ovanes Mekenyan

Notice bibliographique

RevueSAR and QSAR in environmental research · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueToxic Organic Pollutants Impact
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésBioconcentrationBioaccumulationBioavailabilityChemistryApplicability domainBiological systemCorrectnessEnvironmental chemistryPredictabilityQuantitative structure–activity relationshipComputer scienceBiologyMathematicsStereochemistryStatisticsBioinformaticsAlgorithm

Résumé

récupéré en direct d'OpenAlex

The base-line modeling concept presented in this work is based on the assumption of a maximum bioconcentration factor (BCF) with mitigating factors that reduce the BCF. The maximum bioconcentration potential was described by the multi-compartment partitioning model for passive diffusion. The significance of different mitigating factors associated either with interactions with an organism or bioavailability were investigated. The most important mitigating factor was found to be metabolism. Accordingly, a simulator for fish liver was used in the model, which has been trained to reproduce fish metabolism based on related mammalian metabolic pathways. Other significant mitigating factors, depending on the chemical structure, e.g. molecular size and ionization were also taken into account in the model. The results (r(2)=0.84) obtained for a training set of 511 chemicals demonstrate the usefulness of the BCF base line concept. The predictability of the model was evaluated on the basis of 176 chemicals not used in the model building. The correctness of predictions (abs(logBSF(Obs)-logBCF(Calc))=0.75)) for 59 chemicals included within the model applicability domain was 80%.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,694
Score d'incertitude au seuil0,714

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,086
Tête enseignante GPT0,369
Écart entre enseignants0,283 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations120
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAR and QSAR in environmental researchMême sujetToxic Organic Pollutants ImpactTravaux en français237 207