The Impact of Carbon Nanotube Properties on Lung Pathologies and Atherosclerosis Through Acute Inflammation: a New AOP‐Anchored <i>in Silico</i> NAM
Notice bibliographique
Résumé
Abstract In this study, a previously developed approach for creating a quantitative structure‐activity relationship model anchored in an Adverse Outcome Pathway framework (AOP‐anchored Nano‐QSAR) is employed to develop a novel model capable of predicting transcriptomic responses triggered by the inhalation of multiwalled carbon nanotubes (MWCNTs). The acute phase response (AR) signaling pathway, which plays a crucial role in neutrophil influx and initiates the acute immune response is focused. This process involves recruiting pro‐inflammatory cells into the lungs and can lead to lung fibrosis, as outlined in AOP33, or atherosclerosis, as per AOP237. To establish the relationship between the structural properties of a set of MWCNTs and the transcriptional benchmark dose level (BMDLAR) response of genes associated with the acute phase response signaling pathway, the locally weighted kernel linear regression algorithm is used. These findings emphasize the critical role of the aspect ratio and specific surface area of MWCNTs in initiating acute inflammation and, subsequently, lung pathologies and atherosclerosis through the inflammatory and acute phase response signaling pathways. This newly developed data‐driven model extends the repertoire of transcriptomic‐based, AOP‐informed Nano‐QSAR models, potentially serving as an in silico new approach methodology (NAM) to support the MWCNTs’ safety assessment based on the weight of evidence.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».