Development of an adverse outcome pathway for radiation-induced microcephaly via expert consultation and machine learning
Notice bibliographique
Résumé
Background Brain development during embryogenesis and in early postnatal life is particularly complex and involves the interplay of many cellular processes and molecular mechanisms, making it extremely vulnerable to exogenous insults, including ionizing radiation (IR). Microcephaly is one of the most frequent neurodevelopmental abnormalities that is characterized by small brain size, and is often associated with intellectual deficiency. Decades of research span from epidemiological data on in utero exposure of the A-bomb survivors, to studies on animal and cellular models that allowed deciphering the most prominent molecular mechanisms leading to microcephaly. The Adverse Outcome Pathway (AOP) framework is used to organize, evaluate and portray the scientific knowledge of toxicological effects spanning different biological levels of organizations, from the initial interaction with molecular targets to the occurrence of a disease or adversity. In the present study, the framework was used in an attempt to organize the current scientific knowledge on microcephaly progression in the context of ionizing radiation (IR) exposure. This work was performed by a group of experts formed during a recent workshop organized jointly by the Multidisciplinary European Low Dose Initiative (MELODI) and the European Radioecology Alliance (ALLIANCE) associations to present the AOP approach and tools. Here we report on the development of a putative AOP for congenital microcephaly resulting from IR exposure based on discussions of the working group and we emphasize the use of a novel machine-learning approach to assist in the screening of the available literature to develop AOPs.Conclusion The expert consultation led to the identification of crucial biological events for the progression of microcephaly upon exposure to IR, and highlighted current knowledge gaps. The machine learning approach was successfully used to screen the existing knowledge and helped to rapidly screen the body of evidence and in particular the epidemiological data. This systematic review approach also ensured that the analysis was sufficiently comprehensive to identify the most relevant data and facilitate rapid and consistent AOP development. We anticipate that as machine learning approaches become more user-friendly through easy-to-use web interface, this would allow AOP development to become more efficient and less time consuming.
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 | 0,016 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».