Estimating Screening-Level Organic Chemical Half-Lives in Humans
Notice bibliographique
Résumé
Relatively few measured data are available for the thousands of chemicals requiring hazard and risk assessment. The whole body, total elimination half-life (HLT) and the whole body, primary biotransformation half-life (HLB) are key parameters determining the extent of bioaccumulation, biological concentration, and risk from chemical exposure. A one-compartment pharmacokinetic (1-CoPK) mass balance model was developed to estimate organic chemical HLB from measured HLT data in mammals. Approximately 1900 HLs for human adults were collected and reviewed and the 1-CoPK model was parametrized for an adult human to calculate HLB from HLT. Measured renal clearance and whole body total clearance data for 306 chemicals were used to calculate empirical HLB,emp. The HLB,emp values and other measured data were used to corroborate the 1-CoPK HLB model calculations. HLs span approximately 7.5 orders of magnitude from 0.05 h for nitroglycerin to 2 × 10(6) h for 2,3,4,5,2',3',5',6'-octachlorobiphenyl with a median of 7.6 h. The automated Iterative Fragment Selection (IFS) method was applied to develop and evaluate various quantitative structure-activity relationships (QSARs) to predict HLT and HLB from chemical structure and two novel QSARs are detailed. The HLT and HLB QSARs show similar statistical performance; that is, r(2) = 0.89, r(2-ext) = 0.72 and 0.73 for training and external validation sets, respectively, and root-mean-square errors for the validation data sets are 0.70 and 0.75, respectively.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,005 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».