Gene Expression Profiles for Detecting and Distinguishing Potential Endocrine-Disrupting Compounds in Environmental Samples
Notice bibliographique
Résumé
Industrial and municipal processes may produce and release endocrine-disrupting compounds (EDCs) into the environment, but the exact nature of their effects is difficult to investigate. EDCs typically exert their effect by affecting gene expression aberrantly. To determine if gene expression profiles could be used to detect and distinguish estrogenic EDCs, an estrogen receptor positive human breast cancer cell line (MCF-7) was exposed to known estrogenic compounds, suspected EDCs, and extracts from three effluent samples. A set of specifically estrogen-regulated genes was identified by microarray analysis. Nine estrogen up-regulated genes (IGFBP4, HSPA8, B4GALT1, XBP1, KRT8, GTPBP4, HNRPAB, SLC2A1, and CALM1) and two estrogen down-regulated genes (ID2 and ZNF217) were consistently detectable in response to estrogen and other estrogenic compounds. Gene expression patterns in cells that were exposed to effluent sample extracts were compared to gene expression patterns in cells that were exposed to known endocrines. Using this technique, two of the effluent samples were shown to have estrogenic activity. This approach could easily be extended to screen for other types of receptor-mediated endocrine disruption. For example, cells expressing androgen or aryl hydrocarbon receptors could be used in gene expression profiling assays to detect androgenic effects or for the presence of bioactive aromatic hydrocarbons. Gene expression profiling is emerging as a sensitive and specific method to screen complex samples for endocrine disrupting activity.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».