Challenges in constructing statistically based structure‐activity relationship models for developmental toxicity
Notice bibliographique
Résumé
Regulatory agencies are increasingly called upon to review large numbers of environmental contaminants that have not been characterized for their potential to pose a health risk. Additionally, there is special interest in protecting potentially sensitive subpopulations and identifying developmental toxicants that may be present in the environment. Thus, there is an urgent need for efficient methods to screen large numbers of chemicals for their potential to pose a developmental hazard. One potential screening method involves the use of statistically based structure-activity relationship (SAR) tools to predict activity of untested chemicals. Such systems rely on statistical analyses to discern relationships between structure and activity for a training set of substances. Predictions can then be made for an untested substance as long as its structural features are encompassed by chemicals of the training set. In theory, such systems could assist regulatory agencies in their screening efforts; however, to date, there has been little independent evaluation of these tools for this use. To contribute to such an evaluation, the International Life Sciences Institute Risk Science Institute (ILSI RSI) convened a Working Group to examine methodology used to construct statistically based SAR systems for developmental toxicity. This document reports on the deliberations of the Working Group, which concluded that an improved process is needed for utilizing developmental toxicity data in the construction of statistically based SAR models. The process must be objective, reproducible, rational and transparent. Moreover, it must be informed by the expertise of developmental toxicologists and biologists and must be subject to peer review.
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 | 0,003 | 0,004 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».