Quantitative Interpretation of Genetic Toxicity Dose‐Response Data for Risk Assessment and Regulatory Decision‐Making: Current Status and Emerging Priorities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The screen-and-bin approach for interpretation of genotoxicity data is predicated on three false assumptions: that genotoxicants are rare, that genotoxicity dose-response functions do not contain a low-dose region mechanistically characterized by zero-order kinetics, and that genotoxicity is not a bona fide toxicological endpoint. Consequently, there is a need to develop and implement quantitative methods to interpret genotoxicity dose-response data for risk assessment and regulatory decision-making. Standardized methods to analyze dose-response data, and determine point-of-departure (PoD) metrics, have been established; the most robust PoD is the benchmark dose (BMD). However, there are no standards for regulatory interpretation of mutagenicity BMDs. Although 5-10% is often used as a critical effect size (CES) for BMD determination, values for genotoxicity endpoints have not been established. The use of BMDs to determine health-based guidance values (HBGVs) requires assessment factors (AFs) to account for interspecies differences and variability in human sensitivity. Default AFs used for other endpoints may not be appropriate for interpretation of in vivo mutagenicity BMDs. Analyses of published dose-response data showing the effects of compensatory pathway deficiency indicate that AFs for sensitivity differences should be in the range of 2-20. Additional analyses indicate that the AF to compensate for short treatment durations should be in the range of 5-15. Future work should use available data to empirically determine endpoint-specific CES values; similarly, to determine AF values for BMD adjustment. Future work should also evaluate the ability to use in vitro dose-response data for risk assessment, and the utility of probabilistic methods for determination of mutagenicity HBGVs. Environ. Mol. Mutagen. 61:66-83, 2020. © 2019 Her Majesty the Queen in Right of Canada.
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.
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 découle