Transcriptomic points of departure for 6PPD-Quinone derived from human Caco-2 and HepG2 cells
Notice bibliographique
Résumé
N-(1,3-Dimethyl butyl)- N ′-phenyl-phenylenediamine-quinone (6ppd-quinone) is of emerging concern due to its widespread presence and toxicity to aquatic species. The chemical has been detected in human biofluids though little is known about its effects on human tissues. The objective of this study was to increase understanding of 6ppd-quinone's potential human health effects by deriving transcriptomic points of departure (tPOD) values in two human cell lines using the TPD-seq workflow. An EC20 for cytotoxicity was calculated for Caco-2 (104 μg/L) but not for HepG2 cells. Even in the absence of cytotoxicity, tPOD values (20th gene, 10th percentile, mode) were calculated in Caco-2 (6.5-25 μg/L) and HepG2 (0.36-35 μg/L) cells. These ranges capture values from 16 statistical and bioinformatic tests that examined mapping methods (CLC and Deplexer), algorithms (Limma and DESeq2), and filters (log2FC and BMR). The most common and sensitive genes with calculable benchmark doses (BMDs) in Caco-2 (DPF2, CD44, PGAP1, GDF15, H4C16) and HepG2 (SLC5A3, DKK1, ARG2, PHLDA1, TM4SF1) cells are listed. Pathway BMDs were also calculated for Caco-2 (systemic lupus erythematosus, 9.7-18 μg/L; alcoholism, 9.7-20 μg/L; viral carcinogenesis, 9.3–18.1 μg/L), and HepG2 (metabolic pathways, 50-60 μg/L) cells. These findings highlight TPD-seq as an efficient workflow to yield quantitative and mechanistic data relevant for human health risk assessment. • 6ppd-quinone is emerging chemical of concern albeit with limited human health data. • TPD-seq workflow provides quantitative and informative molecular data efficiently. • tPODs were calculated for Caco-2 and HepG2 cells exposed to 6ppd-quinone. • Perturbed genes and biological pathways provide mechanistic insights.
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 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 | 0,000 | 0,000 |
| 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».