Meta-analysis of transcriptomic responses as a means to identify pulmonary disease outcomes for engineered nanomaterials
Notice bibliographique
Résumé
BACKGROUND: The increasing use of engineered nanomaterials (ENMs) of varying physical and chemical characteristics poses a great challenge for screening and assessing the potential pathology induced by these materials, necessitating novel toxicological approaches. Toxicogenomics measures changes in mRNA levels in cells and tissues following exposure to toxic substances. The resulting information on altered gene expression profiles, associated pathways, and the doses at which these changes occur, are used to identify the underlying mechanisms of toxicity and to predict disease outcomes. We evaluated the applicability of toxicogenomics data in identifying potential lung-specific (genomic datasets are currently available from experiments where mice have been exposed to various ENMs through this common route of exposure) disease outcomes following exposure to ENMs. METHODS: Seven toxicogenomics studies describing mouse pulmonary responses over time following intra-tracheal exposure to increasing doses of carbon nanotubes (CNTs), carbon black, and titanium dioxide (TiO2) nanoparticles of varying properties were examined to understand underlying mechanisms of toxicity. mRNA profiles from these studies were compared to the publicly available datasets of 15 other mouse models of lung injury/diseases induced by various agents including bleomycin, ovalbumin, TNFα, lipopolysaccharide, bacterial infection, and welding fumes to delineate the implications of ENM-perturbed biological processes to disease pathogenesis in lungs. RESULTS: The meta-analysis revealed two distinct clusters-one driven by TiO2 and the other by CNTs. Unsupervised clustering of the genes showing significant expression changes revealed that CNT response clustered with bleomycin injury and bacterial infection models, both of which are known to induce lung fibrosis, in a post-exposure-time dependent manner, irrespective of the CNT's physical-chemical properties. TiO2 samples clustered separately from CNTs and disease models. CONCLUSIONS: These results indicate that in the absence of apical toxicity data, a tiered strategy beginning with short term, in vivo tissue transcriptomics profiling can effectively and efficiently screen new ENMs that have a higher probability of inducing pulmonary pathogenesis.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,012 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».