A Transformative Vision for an Omics-Based Regulatory Chemical Testing Paradigm
Notice bibliographique
Résumé
Use of molecular data in human and ecological health risk assessments of industrial chemicals and agrochemicals has been anticipated by the scientific community for many years; however, these data are rarely used for risk assessment. Here, a logic framework is proposed to explore the feasibility and future development of transcriptomic methods to refine and replace the current apical endpoint-based regulatory toxicity testing paradigm. Four foundational principles are outlined and discussed that would need to be accepted by stakeholders prior to this transformative vision being realized. Well-supported by current knowledge, the first principle is that transcriptomics is a reliable tool for detecting alterations in gene expression that result from endogenous or exogenous influences on the test organism. The second principle states that alterations in gene expression are indicators of adverse or adaptive biological responses to stressors in an organism. Principle 3 is that transcriptomics can be employed to establish a benchmark dose-based point of departure (POD) from short-term, in vivo studies at a dose level below which a concerted molecular change (CMC) is not expected. Finally, Principle 4 states that the use of a transcriptomic POD (set at the CMC dose level) will support a human health-protective risk assessment. If all four principles are substantiated, this vision is expected to transform aspects of the industrial chemical and agrochemical risk assessment process that are focused on establishing safe exposure levels for mammals across numerous toxicological contexts resulting in a significant reduction in animal use while providing equal or greater protection of human health. Importantly, these principles and approaches are also generally applicable for ecological safety 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 | 0,092 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,027 |
| Communication savante | 0,014 | 0,020 |
| Science ouverte | 0,007 | 0,011 |
| Intégrité de la recherche | 0,007 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».