An ecotoxicological view on neurotoxicity assessment
Notice bibliographique
Résumé
The numbers of potential neurotoxicants in the environment are raising and pose a great risk for humans and the environment. Currently neurotoxicity assessment is mostly performed to predict and prevent harm to human populations. Despite all the efforts invested in the last years in developing novel in vitro or in silico test systems, in vivo tests with rodents are still the only accepted test for neurotoxicity risk assessment in Europe. Despite an increasing number of reports of species showing altered behaviour, neurotoxicity assessment for species in the environment is not required and therefore mostly not performed. Considering the increasing numbers of environmental contaminants with potential neurotoxic potential, eco-neurotoxicity should be also considered in risk assessment. In order to do so novel test systems are needed that can cope with species differences within ecosystems. In the field, online-biomonitoring systems using behavioural information could be used to detect neurotoxic effects and effect-directed analyses could be applied to identify the neurotoxicants causing the effect. Additionally, toxic pressure calculations in combination with mixture modelling could use environmental chemical monitoring data to predict adverse effects and prioritize pollutants for laboratory testing. Cheminformatics based on computational toxicological data from in vitro and in vivo studies could help to identify potential neurotoxicants. An array of in vitro assays covering different modes of action could be applied to screen compounds for neurotoxicity. The selection of in vitro assays could be guided by AOPs relevant for eco-neurotoxicity. In order to be able to perform risk assessment for eco-neurotoxicity, methods need to focus on the most sensitive species in an ecosystem. A test battery using species from different trophic levels might be the best approach. To implement eco-neurotoxicity assessment into European risk assessment, cheminformatics and in vitro screening tests could be used as first approach to identify eco-neurotoxic pollutants. In a second step, a small species test battery could be applied to assess the risks of ecosystems.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,008 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».