多个终点表型查的统计分析增加了平面神经毒性测试的敏感性

科学领域:

• 毒理学
• 神经科学
• 无脊椎动物模型

背景情况:

• 高通量查 (HTS) 对于取代脊椎动物毒性测试 (3Rs) 是至关重要的.
• 评估神经毒性和发育性神经毒性 (DNT) 需要整个生物体的功能相关性.
• 之前的平面HTS发现了一些神经毒素,但可以提高灵敏度.

研究的目的:

• 提高平面HTS对神经毒性和DNT检测的敏感性.
• 评估高级统计分析对平面查数据的影响.
• 将平面查结果与其他DNT评估模型进行比较.

主要方法:

• 使用基准度 (BMC) 建模,从NTP87库中重新分析现有的平面HTS数据.
• 在5个日志尺度度中量化了26个行为终点.
• 为系统级毒性洞察计算的加权聚合 (wAggE).
• 将平面 BMC 数据与体外和发育中的斑马鱼数据进行比较.

主要成果:

• 先进的统计分析显著提高了平面HTS识别神经毒素的灵敏度.
• 平面鱼和正在发育的斑马鱼的选显示出相似的灵敏度.
• 层次聚类确定了生物体,神经元外生和神经元发射模型作为DNT评估的关键贡献者.

结论:

• 具有先进的统计分析的Planarian HTS是神经毒性和DNT测试的敏感和相关模型.
• 这种方法通过提供可靠的化学安全评估数据来支持3R.
• 这些发现强调了平面模型在多层次的DNT测试策略中的实用性.