Chemical carcinogenicity revisited 3: Risk assessment of carcinogenic potential based on the current state of knowledge of carcinogenesis in humans
Notice bibliographique
Résumé
Over 50 years, we have learned a great deal about the biology that underpins cancer but our approach to testing chemicals for carcinogenic potential has not kept up. Only a small number of chemicals has been tested in animal-intensive, time consuming, and expensive long-term bioassays in rodents. We now recommend a transition from the bioassay to a decision-tree matrix that can be applied to a broader range of chemicals, with better predictivity, based on the premise that cancer is the consequence of DNA coding errors that arise either directly from mutagenic events or indirectly from sustained cell proliferation. The first step is in silico and in vitro assessment for mutagenic (DNA reactive) activity. If mutagenic, it is assumed to be carcinogenic unless evidence indicates otherwise. If the chemical does not show mutagenic potential, the next step is assessment of potential human exposure compared to the threshold for toxicological concern (TTC). If potential human exposure exceeds the TTC, then testing is done to look for effects associated with the key characteristics that are precursors to the carcinogenic process, such as increased cell proliferation, immunosuppression, or significant estrogenic activity. Protection of human health is achieved by limiting exposures to below NOEALs for these precursor effects. The decision tree matrix is animal-sparing, cost effective, and in step with our growing knowledge of the process of cancer formation.
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 | 0,009 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».