Scaling factors to inform <i>in vitro</i> - <i>in vivo</i> extrapolation from preclinical and livestock animals: state of the field and recommendations for development of missing data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
physiologically based pharmacokinetic (IVIVE-PBPK) modeling approaches assists for prediction of first-in animal or human trials. These approaches are underpinned by the scaling factors: microsomal protein per gram (MPPG) and cytosolic protein per gram (CPPG). In addition, IVIVE-PBPK has significant application in the reduction and refinement of live animal models in research. While human scaling factors are well-defined, many preclinical and livestock species remain poorly elucidated or uncharacterized. The MPPG parameter for liver (MPPGL) is the best characterized across all species and is well-defined for mouse, rat, and dog models. The MPPG parameters for Kidney (MPPGK) and intestine (MPPGI), are however; relatively indefinite for most species. Similarly, CPPG scaling factors for liver, kidney, and intestine (CPPGL/CPPGK/CPPGI) are generally sparse in all species. In addition to generation of mathematical values for scaling factors, methodological and animal-specific considerations, such as age, sex, and strain differences, have not yet been comprehensively described. Here, we review the current state-of-the-field for microsomal and cytosolic scaling factors, including highlighting areas that may need further description and development, with the intention of drawing attention to key knowledge gaps. The intention is to promote improved accuracy and precision in IVIVE-PBPK, concordance between laboratories, and stimulate work in underserved, but increasingly vital areas.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 découle