Adverse Outcome Pathway Development for Assessment of Lung Carcinogenicity by Nanoparticles
Notice bibliographique
Résumé
Lung cancer, one of the most common and deadly forms of cancer, is in some cases associated with exposure to certain types of particles. With the rise of nanotechnology, there is concern that some engineered nanoparticles may be among such particles. In the absence of epidemiological evidence, assessment of nanoparticle carcinogenicity is currently performed on a time-consuming case-by-case basis, relying mainly on animal experiments. Non-animal alternatives exist, including a few validated cell-based methods accepted for regulatory risk assessment of nanoparticles. Furthermore, new approach methodologies (NAMs), focused on carcinogenic mechanisms and capable of handling the increasing numbers of nanoparticles, have been developed. However, such alternative methods are mainly applied as weight-of-evidence linked to generally required animal data, since challenges remain regarding interpretation of the results. These challenges may be more easily overcome by the novel Adverse Outcome Pathway (AOP) framework, which provides a basis for validation and uptake of alternative mechanism-focused methods in risk assessment. Here, we propose an AOP for lung cancer induced by nanosized foreign matter, anchored to a selection of 18 standardized methods and NAMs for in silico- and in vitro-based integrated assessment of lung carcinogenicity. The potential for further refinement of the AOP and its components is discussed in relation to available nanosafety knowledge and data. Overall, this perspective provides a basis for development of AOP-aligned alternative methods-based integrated testing strategies for assessment of nanoparticle-induced lung cancer.
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 | 0,008 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».