EcoToxModules: Custom Gene Sets to Organize and Analyze Toxicogenomics Data from Ecological Species
Notice bibliographique
Résumé
Traditional results from toxicogenomics studies are complex lists of significantly impacted genes or gene sets, which are challenging to synthesize down to actionable results with a clear interpretation. Here, we defined two sets of 21 custom gene sets, called the functional and statistical EcoToxModules, in fathead minnow (Pimephales promelas) to (1) re-cast predefined molecular pathways into a toxicological framework and (2) provide a data-driven, unsupervised grouping of genes impacted by exposure to environmental contaminants. The functional EcoToxModules were identified by re-organizing KEGG pathways into biological processes that are more relevant to ecotoxicology based on the input from expert scientists and regulators. The statistical EcoToxModules were identified using co-expression analysis of publicly available microarray data (n = 303 profiles) measured in livers of fathead minnows after exposure to 38 different conditions. Potential applications of the EcoToxModules were demonstrated with two case studies that represent exposure to a pure chemical and to environmental wastewater samples. In comparisons to differential expression and gene set analysis, we found that EcoToxModule responses were consistent with these traditional results. Additionally, they were easier to visualize and quantitatively compare across different conditions, which facilitated drawing conclusions about the relative toxicity of the exposures within each case study.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».