Transcriptional benchmark dose modeling of ultraviolet radiation‐induced genomic activation in mouse skin
Notice bibliographique
Résumé
Abstract The in vivo transcriptional response of mouse skin to ultraviolet radiation (UV‐R) exposure reveals key genomic alterations associated with UV‐R‐induced damage but it does not provide precise dose thresholds for these effects. These initial findings provided the impetus to advance dose–response characterization by integrating benchmark dose (BMD) modeling with transcriptomic data, aiming to identify biologically relevant points of departure for gene and pathway activation. To accomplish this, mice were exposed to five erythemally weighted UV‐R doses (0–40 mJ/cm 2 ) emitted from a UV‐emitting tanning device, across six post‐exposure timepoints (0–96 h). Four analytical methods were used to estimate BMDs, with the lowest consistent response dose (LCRD) approach yielding the most sensitive estimates (1.21–3.44 mJ/cm 2 ). Transcriptomic responses revealed activation of shared pathways related to DNA damage and cancer, oxidative stress and metabolism, inflammation and immunity, and hormonal disruption. Notably, the majority of LCRD BMD estimates (1.21–3.44 mJ/cm 2 ) were lower than the International Electrotechnical Commission standard actinic exposure limit (3 mJ/cm 2 (erythemally weighted)) for broadband UV‐R (200–400 nm) for unprotected skin and the eye for an 8 h period. These findings suggest that transcriptomic BMD modeling can detect early biological responses to UV‐R at doses lower than current exposure limits.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 ».