Application of a new approach methodology (NAM)-based strategy for genotoxicity assessment of data-poor compounds
Notice bibliographique
Résumé
The conventional battery for genotoxicity testing is not well suited to assessing the large number of chemicals needing evaluation. Traditional in vitro tests lack throughput, provide little mechanistic information, and have poor specificity in predicting in vivo genotoxicity. New Approach Methodologies (NAMs) aim to accelerate the pace of hazard assessment and reduce reliance on in vivo tests that are time-consuming and resource-intensive. As such, high-throughput transcriptomic and flow cytometry-based assays have been developed for modernized in vitro genotoxicity assessment. This includes: the TGx-DDI transcriptomic biomarker (i.e., 64-gene expression signature to identify DNA damage-inducing (DDI) substances), the MicroFlow ® assay (i.e., a flow cytometry-based micronucleus (MN) test), and the MultiFlow ® assay (i.e., a multiplexed flow cytometry-based reporter assay that yields mode of action (MoA) information). The objective of this study was to investigate the utility of the TGx-DDI transcriptomic biomarker, multiplexed with the MicroFlow ® and MultiFlow ® assays, as an integrated NAM-based testing strategy for screening data-poor compounds prioritized by Health Canada’s New Substances Assessment and Control Bureau. Human lymphoblastoid TK6 cells were exposed to 3 control and 10 data-poor substances, using a 6-point concentration range. Gene expression profiling was conducted using the targeted TempO-Seq™ assay, and the TGx-DDI classifier was applied to the dataset. Classifications were compared with those based on the MicroFlow ® and MultiFlow ® assays. Benchmark Concentration (BMC) modeling was used for potency ranking. The results of the integrated hazard calls indicate that five of the data-poor compounds were genotoxic in vitro , causing DNA damage via a clastogenic MoA, and one via a pan-genotoxic MoA. Two compounds were likely irrelevant positives in the MN test; two are considered possibly genotoxic causing DNA damage via an ambiguous MoA. BMC modeling revealed nearly identical potency rankings for each assay. This ranking was maintained when all endpoint BMCs were converted into a single score using the Toxicological Prioritization (ToxPi) approach. Overall, this study contributes to the establishment of a modernized approach for effective genotoxicity assessment and chemical prioritization for further regulatory scrutiny. We conclude that the integration of TGx-DDI, MicroFlow ® , and MultiFlow ® endpoints is an effective NAM-based strategy for genotoxicity assessment of data-poor compounds.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».