Validation of Methods for <i>in Vitro</i>–<i>in Vivo</i> Extrapolation Using Hepatic Clearance Measurements in Isolated Perfused Fish Livers
Notice bibliographique
Résumé
In vitro biotransformation assays using hepatocytes or liver subcellular fractions, combined with in vitro–in vivo extrapolation (IVIVE) models, have been proposed as an alternative to live fish bioconcentration studies. The uncertainty associated with IVIVE approaches to date has been attributed to assay protocols, model assumptions, or variability of in vivo data. An isolated perfused trout liver model that measures hepatic clearance has been proposed for validating IVIVE predictions in the absence of other confounding factors. Here, we investigated the hepatic clearances of five chemicals (pyrene, phenanthrene, 4- n -nonlyphenol, deltamethrin, and methoxychlor) in this model and compared measured rates to values predicted from published in vitro intrinsic clearances for validation of IVIVE models. Additionally, we varied protein concentrations in perfusates to test binding assumptions of these models. We found that measured and predicted hepatic clearances were in very good agreement (root mean squared error 16.8 mL h –1 g –1 ) across three levels of protein binding and across a more diverse chemical space than previously studied within this system. Our results show that current IVIVE methods can reliably predict in vivo clearance rates and indicate that discrepancies from measured bioconcentration factors might be driven by other processes, such as extrahepatic biotransformation, etc., and help streamline optimization efforts to the processes that truly matter.
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 | 0,015 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».