Using in vitro data to derive acceptable exposure levels for environmental chemicals: A case study on p,p’-DDE obesogenicity
Notice bibliographique
Résumé
BACKGROUND: Current acceptable exposure levels are largely based on animal models, which are costly, time-consuming, and may poorly predict adverse outcomes in humans. Alternative testing methods are needed to adequately tackle the large number of environmental chemicals. OBJECTIVE: To evaluate a method integrating human in vitro data and computational modeling to calculate acceptable exposure levels through a case study on early-life p,p'-dichlorodiphenyldichloroethylene (p,p'-DDE) and developmental obesogenicity. METHODS: We reviewed in vitro studies of p,p'-DDE and obesogenicity-related endpoints to select points of departure (PODs). Nominal PODs were converted into lipid-based cellular concentrations using a dynamic mass-balance model. Cellular concentrations were converted into tolerable daily intakes and biomonitoring equivalents in pregnant individuals using a toxicokinetic model and uncertainty factors. We compared estimated biomonitoring equivalents to maternal and cord plasma levels measured in epidemiological studies reporting associations between early-life p,p'-DDE exposure and child adiposity. RESULTS: We estimated PODs for phenotypic (181,897 ng/g lipids) and transcriptomic (14,405 ng/g lipids) endpoints. Application of the toxicokinetic model and uncertainty factors led to tolerable daily intakes of 2.50-8.65 ng/kg/day (phenotypic) and 0.198-0.685 ng/kg/day (transcriptomic). Corresponding biomonitoring equivalents were 54.4-188 ng/g lipids (phenotypic) and 4.31-14.9 ng/g lipids (transcriptomic). Mean/median concentrations measured in epidemiological studies of p,p'-DDE exposure and child adiposity were mostly within or above the range of concentrations produced using the phenotypic in vitro POD. CONCLUSION: This study adds to a growing body of literature on the potential of in vitro data combined with computational modeling for chemical risk assessment, while also identifying challenges to regulatory adoption.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».