Application of Mass Balance Models and the Chemical Activity Concept To Facilitate the Use of in Vitro Toxicity Data for 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
Practical, financial, and ethical considerations related to conducting extensive animal testing have resulted in various initiatives to promote and expand the use of in vitro testing data for chemical evaluations. Nominal concentrations in the aqueous phase corresponding to an effect (or biological activity) are commonly reported and used to characterize toxicity (or biological response). However, the true concentration in the aqueous phase can be substantially different from the nominal. To support in vitro test design and aid the interpretation of in vitro toxicity data, we developed a mass balance model that can be parametrized and applied to represent typical in vitro test systems. The model calculates the mass distribution, freely dissolved concentrations, and cell/tissue concentrations corresponding to the initial nominal concentration and experimental conditions specified by the user. Chemical activity, a metric which can be used to assess the potential for baseline toxicity to occur, is also calculated. The model is first applied to a set of hypothetical chemicals to illustrate the degree to which test conditions (e.g., presence or absence of serum) influence the distribution of the chemical in the test system. The model is then applied to set of 1194 real substances (predominantly from the ToxCast chemical database) to calculate the potential range of concentrations and chemical activities under assumed test conditions. The model demonstrates how both concentrations and chemical activities can vary by orders of magnitude for the same nominal concentration.
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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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