Opportunities to integrate new approaches in genetic toxicology: An ILSI-HESI workshop report
Notice bibliographique
Résumé
Genetic toxicity tests currently used to identify and characterize potential human mutagens and carcinogens rely on measurements of primary DNA damage, gene mutation, and chromosome damage in vitro and in rodents. The International Life Sciences Institute Health and Environmental Sciences Institute (ILSI-HESI) Committee on the Relevance and Follow-up of Positive Results in In Vitro Genetic Toxicity Testing held an April 2012 Workshop in Washington, DC, to consider the impact of new understanding of biology and new technologies on the identification and characterization of genotoxic substances, and to identify new approaches to inform more accurate human risk assessment for genetic and carcinogenic effects. Workshop organizers and speakers were from industry, academe, and government. The Workshop focused on biological effects and technologies that would potentially yield the most useful information for evaluating human risk of genetic damage. Also addressed was the impact that improved understanding of biology and availability of new techniques might have on genetic toxicology practices. Workshop topics included (1) alternative experimental models to improve genetic toxicity testing, (2) Biomarkers of epigenetic changes and their applicability to genetic toxicology, and (3) new technologies and approaches. The ability of these new tests and technologies to be developed into tests to identify and characterize genotoxic agents; to serve as a bridge between in vitro and in vivo rodent, or preferably human, data; or to be used to provide dose response information for quantitative risk assessment was also addressed. A summary of the workshop and links to the scientific presentations are provided.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,006 | 0,003 |
| 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; 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 ».