MétaCan
Menu
Retour à la cohorte
Enregistrement W3164859417 · doi:10.1021/acs.est.1c00975

Cross-Model Comparison of Transcriptomic Dose–Response of Short-Chain Chlorinated Paraffins

2021· article· en· W3164859417 sur OpenAlexaff
Pu Xia, Ying Peng, Wendi Fang, Mingxing Tian, Yanhong Shen, Cong Ma, Doug Crump, Jason M. O’Brien, Wei Shi, Xiaowei Zhang

Notice bibliographique

RevueEnvironmental Science & Technology · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Toxicology and Ecotoxicology
Établissements canadiensUniversity of OttawaEnvironment and Climate Change Canada
Organismes subventionnairesMinistry of Science and Technology of the People's Republic of ChinaMinistry of Education of the People's Republic of China
Mots-clésChlorinated paraffinsTranscriptomePregnane X receptorComputational biologyPotencyZebrafishBiologyChemistryCell biologyPharmacologyBiochemistryNuclear receptorIn vitroGeneGene expressionTranscription factor

Résumé

récupéré en direct d'OpenAlex

Short-chain chlorinated paraffins (SCCPs) have attracted attention because of their toxicological potential in humans and wildlife at environmentally relevant doses. However, limited information is available regarding mechanistic differences across species in terms of the biological pathways that are impacted by SCCP exposure. Here, a concentration-dependent reduced human transcriptome (RHT) approach was conducted to evaluate 15 SCCPs in HepG2 cells and compared with our previous results using a reduced zebrafish transcriptome (RZT) approach in zebrafish embryos (ZFEs). Generally, SCCPs induced a broader suite of biological pathways in ZFEs than HepG2 cells, and all of the 15 SCCPs were more potent in HepG2 cells compared to ZFEs. Despite these general differences, the transcriptional potency of SCCPs in both model systems showed a significant linear relationship ( p = 0.0017, r 2 = 0.57), and the average ratios of transcriptional potency for each SCCP in RZT to that in RHT were ∼100,000. C 10 H 14 Cl 8 was the most potent SCCP, while C 10 H 17 Cl 5 was the least potent in both ZFEs and HepG2 cells. An adverse outcome pathway network-based analysis demonstrated model-specific responses, such as xenobiotic metabolism that may be mediated by different nuclear receptor-mediated pathways between HepG2 cells ( e.g., CAR and AhR activation) and ZFEs ( e.g., PXR activation). Moreover, induced transcriptional changes in ZFEs associated with pathways and molecular initiating events ( e.g., activation of nicotinic acetylcholine receptor) suggest that SCCPs may disrupt neural development processes. The cross-model comparison of concentration-dependent transcriptomics represents a promising approach to assess and prioritize SCCPs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,284
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations34
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetEnvironmental Toxicology and EcotoxicologyTravaux en français237 207