Using quantitative structural property relationships, chemical fate models, and the chemical partitioning space to investigate the potential for long range transport and bioaccumulation of complex halogenated 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
Some substances are mixtures of very large number of constituents which vary widely in their properties, and thus also in terms of their environmental fate and the hazard that they may pose to humans and the environment. Examples of such substances include industrial chemicals such as the chlorinated paraffins, technical pesticides such as toxaphene, and unintended combustion side products, such as mixed halogenated dibenzo-p-dioxins and dibenzofurans. Here we describe a simple graphical superposition method that could precede a more detailed hazard assessment for such substances. First, partitioning and degradation properties for each individual constituent of a mixture are estimated with high-throughput quantitative structure-property relationships. Placed in a chemical partitioning space, i.e. a coordinate system defined by two partitioning coefficients, the mixtures appear as 'clouds'. When model-derived hazard assessment metrics, such as the potential for bioaccumulation and long range transport, are superimposed on these clouds, the resulting maps identify the constituents with the highest value for a particular parameter and thus potentially the greatest hazard. The maps also indicate transparently how the potential for long range transport and bioaccumulation is dependent on structural attributes, such as chain length, and the degree and type of halogenation. In contrast to previous approaches, in which the mixture is represented by a single set of properties or those of a few selected constituents, the whole range of environmental fate behaviors displayed by the constituents of a mixture are being considered. The approach is illustrated with three sets of chemical substances.
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 | 0,001 | 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 | 0,001 | 0,004 |
| 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