The contribution of larval zebrafish transcriptomics to chemical risk assessment
Notice bibliographique
Résumé
In Canada, the Canadian Environmental Protection Act (1999) requires human health and environmental risk assessments be conducted for new substances prior to their manufacture or import. While this toxicity data is historically obtained using rodents, in response to the international effort to eliminate animal testing, Health Canada is collaborating with the National Research Council (NRC) of Canada to develop a New Approach Method by refining existing NRC zebrafish models. The embryo/larval zebrafish model evaluates systemic (whole body) general toxicity which is currently unachievable with cell-based testing. The model is strengthened using behavioral, toxicokinetic and transcriptomic responses to assess non-visible indicators of toxicity following chemical exposure at sub-phenotypic concentrations. In this paper, the predictive power of zebrafish transcriptomics is demonstrated using two chemicals; Raloxifene and Resorcinol. Raloxifene exposure produced darkening of the liver and malformation of the nose/mandible, while Resorcinol exposure produced increased locomotor activity. Transcriptomic analysis correlated differentially expressed genes with the phenotypic effects and benchmark dose calculations determined that the transcriptomic Point of Departure (POD) occurred at subphenotypic concentrations. Correlating gene expression with apical (phenotypic) effects strengthens confidence in evaluation of chemical toxicity, thereby demonstrating the significant advancement that the larval zebrafish transcriptomics model represents in chemical risk 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».