Derivation of point of departure (PoD) estimates in genetic toxicology studies and their potential applications in risk assessment
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
Genetic toxicology data have traditionally been employed for qualitative, rather than quantitative evaluations of hazard. As a continuation of our earlier report that analyzed ethyl methanesulfonate (EMS) and methyl methanesulfonate (MMS) dose-response data (Gollapudi et al., 2013), here we present analyses of 1-ethyl-1-nitrosourea (ENU) and 1-methyl-1-nitrosourea (MNU) dose-response data and additional approaches for the determination of genetic toxicity point-of-departure (PoD) metrics. We previously described methods to determine the no-observed-genotoxic-effect-level (NOGEL), the breakpoint-dose (BPD; previously named Td), and the benchmark dose (BMD10 ) for genetic toxicity endpoints. In this study we employed those methods, along with a new approach, to determine the non-linear slope-transition-dose (STD), and alternative methods to determine the BPD and BMD, for the analyses of nine ENU and 22 MNU datasets across a range of in vitro and in vivo endpoints. The NOGEL, BMDL10 and BMDL1SD PoD metrics could be readily calculated for most gene mutation and chromosomal damage studies; however, BPDs and STDs could not always be derived due to data limitations and constraints of the underlying statistical methods. The BMDL10 values were often lower than the other PoDs, and the distribution of BMDL10 values produced the lowest median PoD. Our observations indicate that, among the methods investigated in this study, the BMD approach is the preferred PoD for quantitatively describing genetic toxicology data. Once genetic toxicology PoDs are calculated via this approach, they can be used to derive reference doses and margin of exposure values that may be useful for evaluating human risk and regulatory decision making.
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 | 0,000 | 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 | 0,000 | 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) | 0,000 | 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