MétaCan
Menu
Retour à la cohorte
Enregistrement W2756021330 · doi:10.1016/j.yrtph.2017.09.020

The challenge of the application of 'omics technologies in chemicals risk assessment: Background and outlook

2017· review· en· W2756021330 sur OpenAlex

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.

Notice bibliographique

RevueRegulatory Toxicology and Pharmacology · 2017
Typereview
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensHealth Canada
Organismes subventionnairesnon disponible
Mots-clésOmicsProfiling (computer programming)Data scienceContext (archaeology)Computer scienceRisk analysis (engineering)Data miningBioinformaticsBiologyMedicine

Résumé

récupéré en direct d'OpenAlex

This survey by the European Centre for Ecotoxicology and Toxicology of Chemicals (ECETOC) highlights that 'omics technologies are generally not yet applied to meet standard information requirements during regulatory hazard assessment. While they are used within weight-of-evidence approaches to investigate substances' modes-of-action, consistent approaches for the generation, processing and interpretation of 'omics data are not applied. To date, no 'omics technology has been standardised or validated. Best practices for performing 'omics studies for regulatory purposes (e.g., microarrays for transcriptome profiling) remain to be established. Therefore, three frameworks for (i) establishing a Good-Laboratory Practice-like context for collecting, storing and curating 'omics data; (ii) 'omics data processing; and (iii) quantitative WoE approaches to interpret 'omics data have been developed, that are presented in this journal supplement. Application of the frameworks will enable between-study comparison of results, which will facilitate the regulatory applicability of 'omics data. The frameworks do not constitute prescriptive protocols precluding any other data analysis method, but provide a baseline for analysis that can be applied to all data allowing ready cross-comparison. Data analysis that does not follow the frameworks can be justified and the resulting data can be compared with the Framework-based common analysis output.

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)0,002
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,930
Score d'incertitude au seuil0,600

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,085
Tête enseignante GPT0,437
Écart entre enseignants0,352 · 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