Predictive Models of Prenatal Developmental Toxicity from ToxCast High-Throughput Screening Data
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
Environmental Protection Agency's ToxCast project is profiling the in vitro bioactivity of chemicals to assess pathway-level and cell-based signatures that correlate with observed in vivo toxicity. We hypothesized that developmental toxicity in guideline animal studies captured in the ToxRefDB database would correlate with cell-based and cell-free in vitro high-throughput screening (HTS) data to reveal meaningful mechanistic relationships and provide models identifying chemicals with the potential to cause developmental toxicity. To test this hypothesis, we built statistical associations based on HTS and in vivo developmental toxicity data from ToxRefDB. Univariate associations were used to filter HTS assays based on statistical correlation with distinct in vivo endpoint. This revealed 423 total associations with distinctly different patterns for rat (301 associations) and rabbit (122 associations) across multiple HTS assay platforms. From these associations, linear discriminant analysis with cross-validation was used to build the models. Species-specific models of predicted developmental toxicity revealed strong balanced accuracy (> 70%) and unique correlations between assay targets such as transforming growth factor beta, retinoic acid receptor, and G-protein-coupled receptor signaling in the rat and inflammatory signals, such as interleukins (IL) (IL1a and IL8) and chemokines (CCL2), in the rabbit. Species-specific toxicity endpoints were associated with one another through common Gene Ontology biological processes, such as cleft palate to urogenital defects through placenta and embryonic development. This work indicates the utility of HTS assays for developing pathway-level models predictive of developmental toxicity.
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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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