Non‐Animal Strategies for Toxicity Assessment of Nanoscale Materials: Role of Adverse Outcome Pathways in the Selection of Endpoints
Notice bibliographique
Résumé
Faster, cheaper, sensitive, and mechanisms-based animal alternatives are needed to address the safety assessment needs of the growing number of nanomaterials (NM) and their sophisticated property variants. Specifically, strategies that help identify and prioritize alternative schemes involving individual test models, toxicity endpoints, and assays for the assessment of adverse outcomes, as well as strategies that enable validation and refinement of these schemes for the regulatory acceptance are needed. In this review, two strategies 1) the current nanotoxicology literature review and 2) the adverse outcome pathways (AOPs) framework, a systematic process that allows the assembly of available mechanistic information concerning a toxicological response in a simple modular format, are presented. The review highlights 1) the most frequently assessed and reported ad hoc in vivo and in vitro toxicity measurements in the literature, 2) various AOPs of relevance to inhalation toxicity of NM that are presently under development, and 3) their applicability in identifying key events of toxicity for targeted in vitro assay development. Finally, using an existing AOP for lung fibrosis, the specific combinations of cell types, exposure and test systems, and assays that are experimentally supported and thus, can be used for assessing NM-induced lung fibrosis, are proposed.
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 | 0,001 | 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 ».