Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Toxicity Testing in Animals01:23

Toxicity Testing in Animals

63
Toxicity tests in animals are grounded on two main assumptions: first, the effects observed in laboratory animals can be extrapolated to humans, especially when adjusted for body surface area; second, high-dose exposure in animals is essential to identify potential human hazards from lower doses. This is based on the quantal dose-response concept, which faces the challenge of extrapolating results from relatively few test animals to much larger human populations. For example, a 0.01% incidence...
63

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

Improved CenterNet-Based Multimodal Object Detection for Low-Light and Complex Environments.

Sensors (Basel, Switzerland)·2026
Same author

Minocycline as a therapeutic candidate in diabetic retinopathy: insights into pathophysiology and translational potential.

Experimental eye research·2026
Same author

Recent Progress in Mechanism-Based Therapies for <i>GJB2</i>-Related Hearing Loss.

International journal of molecular sciences·2026
Same author

Fibrovascular Retinal Membrane and Tractional Retinal Detachment in a Pediatric Patient With Neurofibromatosis Type 1: Case Report.

Journal of pediatric ophthalmology and strabismus·2026
Same author

Metabolomics reveals formonetin mitigates neurotoxicity of CL-20 on neuron cells.

Drug and chemical toxicology·2026
Same author

Molecular-level precursor engineering enables high utilization of closed nanopores in hard carbon for sodium-ion batteries.

Chemical science·2026

関連する実験動画

Updated: Feb 28, 2026

Multimodal Analysis of Microplastics in Drinking Water using a Silicon Nanomembrane Analysis Pipeline
09:10

Multimodal Analysis of Microplastics in Drinking Water using a Silicon Nanomembrane Analysis Pipeline

Published on: June 13, 2025

1.5K

メタボロミクス駆動型データ拡張機械学習によるマイクロプラスチック混合物の毒性予測

Beilei Yuan1, Chengzhi Liu2, Shuang Chen1

  • 1College of Safety Science and Engineering, Nanjing Tech University, Nanjing, Jiangsu 210009, China.

Ecotoxicology and environmental safety
|February 25, 2026
PubMed
まとめ

マイクロプラスチック（MP）の毒性予測は、その複雑な混合物のために困難である。メタボロミクス駆動型機械学習モデルは、MP細胞毒性を効果的に予測し、細胞エネルギー代謝の再プログラミングに関する洞察を提供する。

キーワード:
細胞毒性データ拡張機械学習マイクロプラスチック定量的構造活性相関

さらに関連する動画

Extraction of Organochlorine Pesticides from Plastic Pellets and Plastic Type Analysis
10:12

Extraction of Organochlorine Pesticides from Plastic Pellets and Plastic Type Analysis

Published on: July 1, 2017

12.2K
Sampling, Sorting, and Characterizing Microplastics in Aquatic Environments with High Suspended Sediment Loads and Large Floating Debris
05:31

Sampling, Sorting, and Characterizing Microplastics in Aquatic Environments with High Suspended Sediment Loads and Large Floating Debris

Published on: July 28, 2018

17.0K

関連する実験動画

Last Updated: Feb 28, 2026

Multimodal Analysis of Microplastics in Drinking Water using a Silicon Nanomembrane Analysis Pipeline
09:10

Multimodal Analysis of Microplastics in Drinking Water using a Silicon Nanomembrane Analysis Pipeline

Published on: June 13, 2025

1.5K
Extraction of Organochlorine Pesticides from Plastic Pellets and Plastic Type Analysis
10:12

Extraction of Organochlorine Pesticides from Plastic Pellets and Plastic Type Analysis

Published on: July 1, 2017

12.2K
Sampling, Sorting, and Characterizing Microplastics in Aquatic Environments with High Suspended Sediment Loads and Large Floating Debris
05:31

Sampling, Sorting, and Characterizing Microplastics in Aquatic Environments with High Suspended Sediment Loads and Large Floating Debris

Published on: July 28, 2018

17.0K

科学分野:

  • 環境科学
  • 毒物学
  • 計算化学

背景:

  • マイクロプラスチック (MP) は環境中に複雑な混合物として存在し、個々の毒性評価を困難にしています。
  • リスク評価のためにMP混合物の毒性を評価するための迅速かつ効果的な方法を開発することが重要です。

研究 の 目的:

  • マイクロプラスチック混合物の毒性を評価するための予測モデルを開発すること。
  • 定量的構造活性相関 (QSAR)、定量的生物活性相関 (QBAR)、および定量的構造生物活性相関 (QSBAR) モデルの性能を比較すること。

主な方法:

  • QSAR、QBAR、およびQSBARの3つのモデルフレームワークを検討しました。
  • データ拡張戦略を用いて6つの機械学習アルゴリズムを採用しました。
  • メタボロミクスデータを利用して、QBARモデルの生物学的記述子をスクリーニングしました。

主要な成果:

  • QBARベースのeXtreme Gradient Boosting (XGB-qbar) モデルは、優れた性能 (R²test = 0.8923) を実証しました。
  • 毒性に影響を与える主要な生物学的記述子が特定されました。
  • メタボロミクス解析により、MP混合物曝露が細胞エネルギー代謝を再プログラミングする可能性があることが明らかになりました。

結論:

  • メタボロミクス駆動型データ拡張機械学習アプローチは、複雑な混合物中のマイクロプラスチック毒性を効率的に予測します。
  • このアプローチは、メカニズムの洞察を提供し、環境リスク評価のための実行可能な経路を提供します。