Emerging concepts and opportunities for endocrine disruptor screening of the non-EATS modalities
Notice bibliographique
Résumé
Endocrine disrupting chemicals (EDCs) are ubiquitous in the environment and involve diverse chemical-receptor interactions that can perturb hormone signaling. The Organization for Economic Co-operation and Development has validated several EDC-receptor bioassays to detect endocrine active chemicals and has established guidelines for regulatory testing of EDCs. Focus on testing over the past decade has been initially directed to EATS modalities (estrogen, androgen, thyroid, and steroidogenesis) and validated tests for chemicals that exert effects through non-EATS modalities are less established. Due to recognition that EDCs are vast in their mechanisms of action, novel bioassays are needed to capture the full scope of activity. Here, we highlight the need for validated assays that detect non-EATS modalities and discuss major international efforts underway to develop such tools for regulatory purposes, focusing on non-EATS modalities of high concern (i.e., retinoic acid, aryl hydrocarbon receptor, peroxisome proliferator-activated receptor, and glucocorticoid signaling). Two case studies are presented with strong evidence amongst animals and human studies for non-EATS disruption and associations with wildlife and human disease. This includes metabolic syndrome and insulin signaling (case study 1) and chemicals that impact the cardiovascular system (case study 2). This is relevant as obesity and cardiovascular disease represent two of the most significant health-related crises of our time. Lastly, emerging topics related to EDCs are discussed, including recognition of crosstalk between the EATS and non-EATS axis, complex mixtures containing a variety of EDCs, adverse outcome pathways for chemicals acting through non-EATS mechanisms, and novel models for testing chemicals. Recommendations and considerations for evaluating non-EATS modalities are proposed. Moving forward, improved understanding of the non-EATS modalities will lead to integrated testing strategies that can be used in regulatory bodies to protect environmental, animal, and human health from harmful environmental chemicals.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».