AOP-Anchored Transcriptome Analysis Catalogue Accelerates the Discovery of Environmental Toxicants in Zebrafish
Notice bibliographique
Résumé
Current toxicity screening approaches to evaluate the vast number of environmental chemicals that require assessment are hampered due to their significant costs, time requirements, and reliance on live animal testing. The aim of the present study was to develop an adverse outcome pathway (AOP)-anchored transcriptome analysis (AATA) catalogue to expedite the discovery of environmental toxicants. 437 AOPs from the AOPwiki (https://aopwiki.org/) and 2280 transcriptomics data sets from NCBI Gene Expression Omnibus (GEO) and EMBL-EBI ArrayExpress (AE) repositories were comprehensively reviewed and analyzed. By using the differentially expressed molecular key event (mKE) genes as connection nodes, we created a large-scale environmental substance─target gene (mKE)─predicted adverse outcomes (SGAs) network that included 78 substances, 1099 genes, and 354 adverse outcomes (AOs). To validate the reliability of the network, comprehensive literature verification was conducted. We demonstrated that 164 of the 354 AOs identified have been previously characterized in the literature. The results for 136 of these AOs were consistent with the predictions of the AATA catalogue, representing an accuracy rate of 82.9%. Besides, distinct patterns in molecular KEs and AOs among categories of substances, such as biocides and metals, were demonstrated. Some representative substances, including atrazine and copper, pose significant risks to fish at various levels of biological organization. Moreover, experimental verification of the AATA predictions was conducted, including exposures of zebrafish to perfluorooctanesulfonate, cresyl diphenyl phosphate, and lanthanum. Results demonstrated consistency with predictions of the AATA catalogue, with an accuracy rate of 92.3%. Collectively, the present findings support the AATA catalogue as an efficient and promising platform for identifying environmental toxicants to fish and thereby provide novel insights into the understanding of potential risks of environmental contaminants.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».