The application of transcriptional benchmark dose modeling for deriving thresholds of effects associated with solar‐simulated ultraviolet radiation exposure
Notice bibliographique
Résumé
Considerable data has been generated to elucidate the transcriptional response of cells to ultraviolet radiation (UVR) exposure providing a mechanistic understanding of UVR‐induced cellular responses. However, using these data to support standards development has been challenging. In this study, we apply benchmark dose (BMD) modeling of transcriptional data to derive thresholds of gene responsiveness following exposure to solar‐simulated UVR. Human epidermal keratinocytes were exposed to three doses (10, 20, 150 kJ/m 2 ) of solar simulated UVR and assessed for gene expression changes 6 and 24 hr postexposure. The dose‐response curves for genes with p‐fit values (≥ 0.1) were used to derive BMD values for genes and pathways. Gene BMDs were bi‐modally distributed, with a peak at ∼16 kJ/m 2 and ∼108 kJ/m 2 UVR exposure. Genes/pathways within Mode 1 were involved in cell signaling and DNA damage response, while genes/pathways in the higher Mode 2 were associated with immune response and cancer development. The median value of each Mode coincides with the current human exposure limits for UVR and for the minimal erythemal dose, respectively. Such concordance implies that the use of transcriptional BMD data may represent a promising new approach for deriving thresholds of actinic effects. Environ. Mol. Mutagen. 59:502–515, 2018. © 2018 The Authors Environmental and Molecular Mutagenesis published by Wiley Periodicals, Inc. on behalf of Environmental Mutagen Society
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 ».