MétaCan
Menu
Retour à la cohorte
Enregistrement W4383908941 · doi:10.1787/399d2c34-en

Oxidative DNA damage leading to chromosomal aberrations and mutations

2023· report· en· W4383908941 sur OpenAlexaff
Eunnara Cho, Ashley Allemang, Marc Audebert, Vinita Chauhan, Stephen D. Dertinger, Giel Hendriks, Mirjam Luijten, Francesco Marchetti, Sheroy Minocherhomji, Stefan Pfuhler, Daniel J. Roberts, Kristina Trenz, Carole L. Yauk

Notice bibliographique

RevueOECD series on adverse outcome pathways · 2023
Typereport
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensUniversity of OttawaHealth CanadaCarleton University
Organismes subventionnairesnon disponible
Mots-clésAdverse Outcome PathwayDNA damageOxidative damageDNABiologyOxidative phosphorylationUpstream (networking)GeneticsComputational biologyOxidative stressComputer scienceBiochemistry

Résumé

récupéré en direct d'OpenAlex

This Adverse Outcome Pathway (AOP) describes the linkage between oxidative DNA damage and irreversible genomic damage (chromosomal aberrations and mutations). DNA damage is considered an important contributor to the adverse health effects of many environmental toxicants and this AOP may thus be of widespread use to the regulatory community. Although increase in oxidative DNA damage is the molecular initiating event for this AOP, there are numerous upstream key events that can also lead to DNA oxidation. Thus, this AOP may be expanded upstream, and could be incorporated into a variety of AOP networks. Furthermore, the AOP points to critical research gaps required to establish the quantitative associations and modulating factors that connect KEs across the AOP, and highlights the utility of novel test methods in understanding and evaluating the implications of oxidative DNA damage. This AOP is referred to as AOP 296 in the Collaborative Adverse Outcome Pathway Wiki (AOP-Wiki).

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,622
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,002

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.

Tête enseignante Opus0,152
Tête enseignante GPT0,384
Écart entre enseignants0,232 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOECD series on adverse outcome pathwaysMême sujetComputational Drug Discovery MethodsTravaux en français237 207