Assessing the in vitro effects of priority Arctic contaminants using cell-based transcriptomics
Notice bibliographique
Résumé
Persistent organic pollutants (POPs) are a diverse group of chemicals that resist degradation, bioaccumulate in food webs, and pose risks to human health. Despite international regulation, both legacy and emerging POPs remain widely detected in the environment and human populations. To support the transition toward new approach methodologies (NAMs) that minimize animal use, this study employed human cell–based transcriptomics to investigate the molecular and concentration-dependent effects of POPs. Using human liver (HepG2) and adrenal (H295R) cell models, transcriptional responses to multiple contaminant classes, including organophosphate and organochlorine pesticides, perfluorooctane sulfonic acid, polychlorinated biphenyls (PCB), and polybrominated diphenyl ethers (PBDE), were evaluated. Cytotoxicity assessment, differential gene expression analysis, benchmark dose (BMD) modeling, and biological pathway analysis were integrated to derive transcriptomic points of departure (tPODs) and characterize molecular responses. Concentration-dependent transcriptional changes revealed distinct molecular signatures across chemicals, reflecting diverse modes of action. Benchmark dose modeling of transcriptomic data yielded tPODs that were generally within an order of magnitude of reported apical effect concentrations, demonstrating the relevance of these molecular thresholds for risk assessment. Comparative analysis of PCB-138 between the two cell types indicated cell-specific transcriptional responses, emphasizing the importance of tissue context in evaluating POP toxicity. Overall, this work demonstrates the value of in vitro transcriptomic profiling for mechanistic and quantitative toxicity assessment of POPs. Integrating gene expression and dose–response modeling approaches provides an animal-free framework for defining biologically meaningful toxicity thresholds and advancing next-generation chemical risk assessment.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».