21st Century Tools for Nanotoxicology: Transcriptomic Biomarker Panel and Precision‐Cut Lung Slice Organ Mimic System for the Assessment of Nanomaterial‐Induced Lung Fibrosis
Notice bibliographique
Résumé
There is an urgent need for reliable toxicity assays to support the human health risk assessment of an ever increasing number of engineered nanomaterials (ENMs). Animal testing is not a suitable option for ENMs. Sensitive in vitro models and mechanism-based targeted in vitro assays that enable accurate prediction of in vivo responses are not yet available. In this proof-of-principle study, publicly available mouse lung transcriptomics data from studies investigating xenobiotic-induced lung diseases are used and a 17-gene biomarker panel (PFS17) applicable to the assessment of lung fibrosis is developed. The PFS17 is validated using a limited number of in vivo mouse lung transcriptomics datasets from studies investigating ENM-induced responses. In addition, an ex vivo precision-cut lung slice (PCLS) model is optimized for screening of potentially inflammogenic and pro-fibrotic ENMs. Using bleomycin and a multiwalled carbon nanotube, the practical application of the PCLS method as a sensitive alternative to whole animal tests to screen ENMs that may potentially induce inhalation toxicity is shown. Conditional to further optimization and validation, it is established that a combination of PFS17 and the ex vivo PCLS method will serve as a robust and sensitive approach to assess lung inflammation and fibrosis induced by ENMs.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».