A cell-free testing platform to screen chemicals of potential neurotoxic concern across twenty vertebrate species
Notice bibliographique
Résumé
Abstract There is global demand for new in vitro testing tools for ecological risk assessment. The objective of the present study was to apply a set of cell-free neurochemical assays to screen many chemicals across many species in a relatively high-throughput manner. The platform assessed 7 receptors and enzymes that mediate neurotransmission of γ-aminobutyric acid, dopamine, glutamate, and acetylcholine. Each assay was optimized to work across 20 vertebrate species (5 fish, 5 birds, 7 mammalian wildlife, 3 biomedical species including humans). We tested the screening assay platform against 80 chemicals (23 pharmaceuticals and personal care products, 20 metal[loid]s, 22 polycyclic aromatic hydrocarbons and halogenated organic compounds, 15 pesticides). In total, 10 800 species–chemical–assay combinations were tested, and significant differences were found in 4041 cases. All 7 assays were significantly affected by at least one chemical in each species tested. Among the 80 chemicals tested, nearly all resulted in a significant impact on at least one species and one assay. The 5 most active chemicals were prochloraz, HgCl2, Sn, benzo[a]pyrene, and vinclozolin. Clustering analyses revealed groupings according to chemicals, species, and chemical–assay combinations. The results show that cell-free assays can screen a large number of samples in a short period of time in a cost-effective manner in a range of animals not easily studied using traditional approaches. Strengths and limitations of this approach are discussed, as well as next steps. Environ Toxicol Chem 2017;36:3081–3090. © 2017 SETAC
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 | 0,000 | 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 | 0,001 |
| 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) | 0,001 | 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 tête enseignante, 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 ».