Comprehensive interpretation of in vitro micronucleus test results for 292 chemicals: from hazard identification to risk assessment application
Notice bibliographique
Résumé
Risk assessments are increasingly reliant on information from in vitro assays. The in vitro micronucleus test (MNvit) is a genotoxicity test that detects chromosomal abnormalities, including chromosome breakage (clastogenicity) and/or whole chromosome loss (aneugenicity). In this study, MNvit datasets for 292 chemicals, generated by the US EPA's ToxCast program, were evaluated using a decision tree-based pipeline for hazard identification. Chemicals were tested with 19 concentrations (n = 1) up to 200 µM, in the presence and absence of Aroclor 1254-induced rat liver S9. To identify clastogenic chemicals, %MN values at each concentration were compared to a distribution of batch-specific solvent controls; this was followed by cytotoxicity assessment and benchmark concentration (BMC) analyses. The approach classified 157 substances as positives, 25 as negatives, and 110 as inconclusive. Using the approach described in Bryce et al. (Environ Mol Mutagen 52:280-286, 2011), we identified 15 (5%) aneugens. IVIVE (in vitro to in vivo extrapolation) was employed to convert BMCs into administered equivalent doses (AEDs). Where possible, AEDs were compared to points of departure (PODs) for traditional genotoxicity endpoints; AEDs were generally lower than PODs based on in vivo endpoints. To facilitate interpretation of in vitro MN assay concentration-response data for risk assessment, exposure estimates were utilized to calculate bioactivity exposure ratio (BER) values. BERs for 50 clastogens and two aneugens had AEDs that approached exposure estimates (i.e., BER < 100); these chemicals might be considered priorities for additional testing. This work provides a framework for the use of high-throughput in vitro genotoxicity testing for priority setting and chemical risk assessment.
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».