Transcriptomics‐Based and AOP‐Informed Structure–Activity Relationships to Predict Pulmonary Pathology Induced by Multiwalled Carbon Nanotubes
Notice bibliographique
Résumé
This study presents a novel strategy that employs quantitative structure-activity relationship models for nanomaterials (Nano-QSAR) for predicting transcriptomic pathway level response using lung tissue inflammation, an essential key event (KEs) in the existing adverse outcome pathway (AOP) for lung fibrosis, as a model response. Transcriptomic profiles of mouse lungs exposed to ten different multiwalled carbon nanotubes (MWCNTs) are analyzed using statistical and bioinformatics tools. Three pathways "agranulocyte adhesion and diapedesis," "granulocyte adhesion and diapedesis," and "acute phase signaling," that (1) are commonly perturbed across the MWCNTs panel, (2) show dose response (Benchmark dose, BMDs), and (3) are anchored to the KEs identified in the lung fibrosis AOP, are considered in modelling. The three pathways are associated with tissue inflammation. The results show that the aspect ratio (κ) of MWCNTs is directly correlated with the pathway BMDs. The study establishes a methodology for QSAR construction based on canonical pathways and proposes a MWCNTs grouping strategy based on the κ-values of the specific pathway associated genes. Finally, the study shows how the AOP framework can help guide QSAR modelling efforts; conversely, the outcome of the QSAR modelling can aid in refining certain aspects of the AOP in question (here, lung fibrosis).
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 | 0,000 |
| 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 ».