Notice bibliographique
Résumé
A major goal in human health risk assessment is the identification and management of chemicals that may cause cancer in human populations.The current goldstandard for assessing chemical carcinogenicity is the two-year rodent cancer bioassay, which is animal, time, and resource intensive.The use of toxicogenomics for chemical risk assessment was first proposed over 15 years ago because of its potential to produce toxicologically relevant data more quickly, using fewer animals, and at a lower cost than the two-year cancer bioassay.While the two-year cancer bioassay produces a detailed inventory of chemical-dependent lesions, toxicogenomics analyzes chemical-dependent changes to global gene expression.Moreover, toxicogenomics provides comprehensive mechanistic data that are not obtained using standard tests.In this thesis quantitative, predictive, and mechanistic approaches were applied to a toxicogenomic case study of the rodent hepatocarcinogen furan.Female B3C6F1 mice were exposed for three weeks to non-carcinogenic or carcinogenic doses of furan.The dose response of a variety of transcriptional endpoints produced benchmark doses (BMDs) similar to the furandependent cancer BMDs.Bioinformatic analysis of disease datasets showed strong similarity between global gene expression changes induced by furan and those associated with the appropriate hepatic pathologies.The molecular pathways that were enriched in the liver following furan exposure facilitated the development of a molecular mode of action (MoA) for furan-induced liver cancer.Finally, transcriptional changes in formalinfixed and paraffin embedded (FFPE) samples were compared to high quality frozen samples in order to evaluate whether archival samples are a viable option for toxicogenomic studies.The advantage of using FFPE tissues is that they are very well iii characterized (phenotypically); the disadvantage is that formalin degrades biomacromolecules, including RNA.FFPE samples as old as three decades were shown to be feasible for toxicogenomics studies using a ribo-depletion RNA-seq protocol.Taken together, this case study demonstrates the utility of toxicogenomics data in human health risk assessment and the potential of archival FFPE tissue samples, and identifies viable strategies toward the reduction of animal usage in chemical testing.7.5 Concluding Remarks ....
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».