Toxicity Testing in the 21st Century: Bringing the Vision to Life
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
In 2007, the U.S. National Academy of Sciences released a report, Toxicity Testing in the 21st Century: A Vision and a Strategy, that envisions a not-so-distant future in which virtually all routine toxicity testing would be conducted in human cells or cell lines in vitro by evaluating cellular responses in a suite of toxicity pathway assays using high-throughput tests, that could be implemented with robotic assistance. Risk assessment based on results of these types of tests would shift towards the avoidance of significant perturbations of these pathways in exposed human populations. Dose-response modeling of perturbations of pathway function would be organized around computational systems biology models of the circuitry underlying each toxicity pathway. In vitro to in vivo extrapolations would rely on pharmacokinetic models to predict human blood and tissue concentrations under specific exposure conditions. All of the scientific tools needed to affect these changes in toxicity testing practices are either currently available or in an advanced state of development. A broad scientific discussion of this new vision for the future of toxicity testing is needed to motivate a departure from the traditional high dose animal-based toxicological tests, with its attendant challenges for dose and species extrapolation, towards a new approach more firmly grounded in human biology. The present paper, and invited commentaries on the report that will appear in Toxicological Sciences over the next year, are intended to initiate a dialog to identify challenges in implementing the vision and address obstacles to change.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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