MétaCan
Menu
Retour à la cohorte
Enregistrement W2302607968 · doi:10.1093/mutage/gew009

Empirical analysis of BMD metrics in genetic toxicology part II:<i>in vivo</i>potency comparisons to promote reductions in the use of experimental animals for genetic toxicity assessment

2016· article· en· W2302607968 sur OpenAlex
John W. Wills, Alexandra S. Long, George E. Johnson, Jeffrey C. Bemis, Stephen D. Dertinger, Wout Slob, Paul A. White

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueMutagenesis · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCarcinogens and Genotoxicity Assessment
Établissements canadiensHealth Canada
Organismes subventionnairesHealth CanadaNational Centre for the Replacement, Refinement and Reduction of Animals in ResearchNatural Sciences and Engineering Research Council of CanadaGovernment of Canada
Mots-clésCovariateGenotoxicityIn vivoToxicologyMicronucleus testBiologyPharmacologyComputational biologyPotencyGeneticsStatisticsToxicityMedicineInternal medicineMathematicsIn vitro

Résumé

récupéré en direct d'OpenAlex

Genotoxicity tests have traditionally been used only for hazard identification, with qualitative dichotomous groupings being used to identify compounds that have the capacity to induce mutations and/or cytogenetic alterations. However, there is an increasing interest in employing quantitative analysis of in vivo dose-response data to derive point of departure (PoD) metrics that can be used to establish human exposure limits or margins of exposure (MOEs), thereby supporting human health risk assessments and regulatory decisions. This work is an extension of our companion article on in vitro dose-response analyses and outlines how the combined benchmark dose (BMD) approach across included covariates can be used to improve the analyses and interpretation of in vivo genetic toxicity dose-response data. Using the BMD-covariate approach, we show that empirical comparisons of micronucleus frequency dose-response data across multiple studies justifies dataset merging, with subsequent analyses improving the precision of BMD estimates and permitting attendant potency ranking of seven clastogens. Similarly, empirical comparisons of Pig-a mutant phenotype frequency data collected in males and females justified dataset merging across sex. This permitted more effective scrutiny regarding the effect of post-exposure sampling time on the mutagenicity of N-ethyl-N-nitrosourea observed in reticulocytes and erythrocytes in the Pig-a assay. The BMD-covariate approach revealed tissue-specific differences in the induction of lacZ transgene mutations in Muta™Mouse specimens exposed to benzo[a]pyrene (BaP), with the results permitting the formulation of mechanistic hypotheses regarding the observed potency ranking. Lastly, we illustrate how historical dose-response data for assessments that examined numerous doses (i.e. induced lacZ mutant frequency (MF) across 10 doses of BaP) can be used to improve the precision of BMDs derived from datasets with far fewer doses (i.e. lacZ MF for 3 doses of dibenz[a,h]anthracene). Collectively, the presented examples illustrate how innovative use of the BMD approach can permit refinement of the use of in vivo data; improving the efficacy of experimental animal use in genetic toxicology without sacrificing PoD precision.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,326
Score d'incertitude au seuil0,644

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,077
Tête enseignante GPT0,362
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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