Development and validation of a high-throughput transcriptomic biomarker to address 21st century genetic toxicology needs
Notice bibliographique
Résumé
Interpretation of positive genotoxicity findings using the current in vitro testing battery is a major challenge to industry and regulatory agencies. These tests, especially mammalian cell assays, have high sensitivity but suffer from low specificity, leading to high rates of irrelevant positive findings (i.e., positive results in vitro that are not relevant to human cancer hazard). We developed an in vitro transcriptomic biomarker-based approach that provides biological relevance to positive genotoxicity assay data, particularly for in vitro chromosome damage assays, and propose its application for assessing the relevance of the in vitro positive results to carcinogenic hazard. The transcriptomic biomarker TGx-DDI (previously known as TGx-28.65) readily distinguishes DNA damage-inducing (DDI) agents from non-DDI agents. In this study, we demonstrated the ability of the biomarker to classify 45 test agents across a broad set of chemical classes as DDI or non-DDI. Furthermore, we assessed the biomarker's utility in derisking known irrelevant positive agents and evaluated its performance across analytical platforms. We correctly classified 90% (9 of 10) of chemicals with irrelevant positive findings in in vitro chromosome damage assays as negative. We developed a standardized experimental and analytical protocol for our transcriptomics biomarker, as well as an enhanced application of TGx-DDI for high-throughput cell-based genotoxicity testing using nCounter technology. This biomarker can be integrated in genetic hazard assessment as a follow-up to positive chromosome damage findings. In addition, we propose how it might be used in chemical screening and assessment. This approach offers an opportunity to significantly improve risk assessment and reduce cost.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».