A Novel Multispecies Toxicokinetic Modeling Approach in Support of Chemical Risk Assessment
Notice bibliographique
Résumé
Standardized laboratory tests with a limited number of model species are a key component of chemical risk assessments. These surrogate species cannot represent the entire diversity of native species, but there are practical and ethical objections against testing chemicals in a large variety of species. In previous research, we have developed a multispecies toxicokinetic model to extrapolate chemical bioconcentration across species by combining single-species physiologically based toxicokinetic (PBTK) models. This "top-down" approach was limited, however, by the availability of fully parameterized single-species models. Here, we present a "bottom-up" multispecies PBTK model based on available data from 69 freshwater fishes found in Canada. Monte Carlo-like simulations were performed using statistical distributions of model parameters derived from these data to predict steady-state bioconcentration factors (BCFs) for a set of well-studied chemicals. The distributions of predicted BCFs for 1,4-dichlorobenzene and dichlorodiphenyltrichloroethane largely overlapped those of empirical data, although a tendency existed toward overestimation of measured values. When expressed as means, predicted BCFs for 26 of 34 chemicals (82%) deviated by less than 10-fold from measured data, indicating an accuracy similar to that of previously published single-species models. This new model potentially enables more environmentally relevant predictions of bioconcentration in support of chemical risk assessments.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».