MétaCan
Menu
Retour à la cohorte
Enregistrement W4308554868 · doi:10.1002/em.22517

Establishing a quantitative framework for regulatory interpretation of genetic toxicity dose–response data: Margin of exposure case study of 48 compounds with both in vivo mutagenicity and carcinogenicity dose–response data

2022· article· en· W4308554868 sur OpenAlexafffund
Nikolai L. Chepelev, Alexandra S. Long, Marc A. Beal, Tara S. Barton‐Maclaren, George E. Johnson, Kerry L. Dearfield, Daniel J. Roberts, Jan van Benthem, Paul A. White

Notice bibliographique

RevueEnvironmental and Molecular Mutagenesis · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCarcinogens and Genotoxicity Assessment
Établissements canadiensUniversity of TorontoHealth Canada
Organismes subventionnairesRijksinstituut voor Volksgezondheid en MilieuHealth CanadaGovernment of Canada
Mots-clésGenotoxicityCarcinogenMicronucleus testToxicologyIn vivoChemistryPharmacologyToxicityBiologyBiotechnologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Quantitative relationships between carcinogenic potency and mutagenic potency have been previously examined using a benchmark dose (BMD)-based approach. We extended those analyses by using human exposure data for 48 compounds to calculate carcinogenicity-derived and genotoxicity-derived margin of exposure values (MOEs) that can be used to prioritize substances for risk management. MOEs for 16 of the 48 compounds were below 10,000, and consequently highlighted for regulatory concern. Of these, 15 were highlighted using genotoxicity-derived (micronucleus [MN] dose-response data) MOEs. A total of 13 compounds were highlighted using carcinogenicity-derived MOEs; 12 compounds were overlapping. MOEs were also calculated using transgenic rodent (TGR) mutagenicity data. For 10 of the 12 compounds examined using TGR data, the results similarly revealed that mutagenicity-derived MOEs yield regulatory decisions that correspond with those based on carcinogenicity-derived MOEs. The effect of benchmark response (BMR) on MOE determination was also examined. Reinterpretation of the analyses using a BMR of 50% indicated that four out of 15 compounds prioritized using MN-derived MOEs based on a default BMR of 5% would have been missed. The results indicate that regulatory decisions based on in vivo genotoxicity dose-response data would be consistent with those based on carcinogenicity dose-response data; in some cases, genotoxicity-based decisions would be more conservative. Going forward, and in the absence of carcinogenicity data, in vivo genotoxicity assays (MN and TGR) can be used to effectively prioritize substances for regulatory action. Routine use of the MOE approach necessitates the availability of reliable human exposure estimates, and consensus regarding appropriate BMRs for genotoxicity endpoints.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,417
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,276
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental and Molecular MutagenesisMême sujetCarcinogens and Genotoxicity AssessmentTravaux en français237 207