MétaCan
Menu
Retour à la cohorte
Enregistrement W2478717493 · doi:10.1039/9781849732093

In Silico Toxicology

2010· book-chapter· en· W2478717493 sur OpenAlexaboutno aff
Ovanes Mekenyan

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIn silicoComputer scienceHuman healthRisk analysis (engineering)Quality (philosophy)Data scienceData miningToxicologyComputational biologyBiologyBusinessMedicine

Résumé

récupéré en direct d'OpenAlex

In Silico methods to predict toxicity have become increasingly important recently, particularly in light of European legislation such as REACH and the Cosmetics Regulation. They are also being used extensively worldwide e.g. in the USA, Canada, Japan and Australia. In assessing the risk that a chemical may pose to human health or to the environment, focus is now being directed towards exploitation of in silico methods to replace in vivo or in vitro techniques. A prediction of potential toxicity requires several stages: 1) Collation and organisation of data available for the compound, or if this is not available, information for related compounds. 2) An assessment of the quality of the data. 3) Generation of additional information about the compound using computational techniques at various levels of complexity - calculation of physico-chemical properties, 2-D, 3-D / MO descriptors and specific receptor modelling / interaction. 4) Use of an appropriate strategy to predict toxicity - ie a statistically valid method which makes best use of all available information (mechanism of action, activity for related compounds, extrapolation across species and endpoints, likely exposure scenario amounts over time etc). 5) Consideration then needs to be given to how this information is used in the real world ie use of expert systems / tools as relevant to assessors (if sufficiently different to previous) - weight of evidence approaches. 6) Finally evidence should be presented from case studies within this area. No other publication brings together information on all of these areas in one book and this publication is unique in that it provides a logical progression through every one of these key stages and defines the use of computational approaches to predict the environmental toxicity and human health effects of organic chemicals. The volume is aimed at the developers and users of in silico toxicology and provides an analysis of all aspects required for in silico prediction of toxicology, including data collation, quality assessment and computational approaches. The contributions from recognised leaders in each of these areas include evidence of the use and applicability of approaches using real world case studies concerning both environmental and human health effects. The book provides a very useful single source reference for people working in this area including academics, professionals, under- and post-graduate students as well as Governmental Regulatory Scientists involved in chemical risk assessment and REACH.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,222

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0030,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0660,022

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 Opus0,022
Tête enseignante GPT0,296
Écart entre enseignants0,273 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations47
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetComputational Drug Discovery MethodsTravaux en français237 207