Utility of a next generation framework for assessment of genomic damage: A case study using the industrial chemical benzene
Notice bibliographique
Résumé
We recently published a next generation framework for assessing the risk of genomic damage via exposure to chemical substances. The framework entails a systematic approach with the aim to quantify risk levels for substances that induce genomic damage contributing to human adverse health outcomes. Here, we evaluated the utility of the framework for assessing the risk for industrial chemicals, using the case of benzene. Benzene is a well-studied substance that is generally considered a genotoxic carcinogen and is known to cause leukemia. The case study limits its focus on occupational and general population health as it relates to benzene exposure. Using the framework as guidance, available data on benzene considered relevant for assessment of genetic damage were collected. Based on these data, we were able to conduct quantitative analyses for relevant data sets to estimate acceptable exposure levels and to characterize the risk of genetic damage. Key observations include the need for robust exposure assessments, the importance of information on toxicokinetic properties, and the benefits of cheminformatics. The framework points to the need for further improvement on understanding of the mechanism(s) of action involved, which would also provide support for the use of targeted tests rather than a prescribed set of assays. Overall, this case study demonstrates the utility of the next generation framework to quantitatively model human risk on the basis of genetic damage, thereby enabling a new, innovative risk assessment concept. Environ. Mol. Mutagen. 61:94-113, 2020. © 2019 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) | 0,001 | 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 ».