High-throughput transcriptomics toxicity assessment of eleven data-poor bisphenol A alternatives
Notice bibliographique
Résumé
Bisphenol A (BPA), a widely used chemical in the production of plastics and epoxy resins, has garnered significant attention due to its association with adverse health effects, particularly its endocrine-disrupting properties. Regulatory measures aimed at reducing human exposure to BPA have led to a proliferation of alternative chemicals used in various consumer and industrial products. While these alternatives serve to reduce BPA exposure, concerns have arisen regarding their safety and potential toxicity as regrettable substitutes. Previous efforts have demonstrated that in vitro high-throughput transcriptomics (HTTr) studies can be used to assess the endocrine-disrupting potential of BPA alternatives, and this strategy produces transcriptomic points-of-departure (tPODs) that are protective of human health when compared to the PODs from traditional rodent studies. In this study, we used in vitro HTTr to assess the potential for toxicity of eleven data-poor legacy chemicals sharing structural similarities to BPA. Human breast cancer MCF-7 cells were exposed to BPA and 11 alternatives at concentrations ranging from 0.1 to 25 μM to assess toxicity. Analysis of global transcriptomic changes and a previously characterized estrogen receptor alpha (ERα) transcriptomic biomarker signature revealed that 9 of 11 chemicals altered gene expression relative to controls. One of the chemicals (2,4'-Bisphenol A) activated the ERα biomarker at the same concentration as BPA (i.e., 4,4'-BPA) but was deemed to be more potent as it induced global transcriptomic changes at lower concentrations. These results address data gaps in support of ongoing screening assessments to identify BPA alternatives with hazard potential and help to identify potential candidates that may serve as safer alternatives.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».