MétaCan
Menu
← Retour à la cohorte
Enregistrement W4409655024 · doi:10.1021/acs.est.4c13689

Xenometabolomics in Ecotoxicology: Concepts and Applications

2025· review· en· W4409655024 sur OpenAlexafffund
Phillip Ankley, Hannah Mahoney, Markus Brinkmann

Notice bibliographique

RevueEnvironmental Science & Technology · 2025
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensGlobal Institute for Water SecurityUniversity of Saskatchewan
Organismes subventionnairesFisheries and Oceans CanadaNatural Sciences and Engineering Research Council of CanadaGlobal Water FuturesUniversity of Saskatchewan
Mots-clésEcotoxicologyEnvironmental scienceEnvironmental chemistryChemistry

Résumé

récupéré en direct d'OpenAlex

Nontargeted high-resolution mass spectrometry (HRMS) allows for the characterization of a large fraction of the exposome, i.e., the entirety of chemicals an organism is exposed to, and helps detect important exogenous chemical compounds that could be key drivers of toxicological impact. Along with these chemical compounds occur endogenous metabolites that are essential for the health of the host organism. Chemical compounds derived from the biotransformation of xenobiotics present in the exposome are referred to as the xenometabolome, while endogenous metabolites derived from the host organism are referred to as the endometabolome. Recent advancements in HRMS technology allow for the detection of chemical features of biological and ecological importance in the context of chemical safety assessments with unprecedented sensitivity and resolution. In this perspective, we highlight the application of HRMS-based metabolomics of organisms in the context of ecotoxicology, the complexity of comprehensively characterizing the endometabolome, and distinguishing chemical compounds of the xenometabolome.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,007
Tête enseignante GPT0,295
Écart entre enseignants0,288 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & Technology→Même sujetMetabolomics and Mass Spectrometry Studies→Travaux en français237 207→