Empilhamento bayesiano de saídas adversas quantitativas isola condutores primários de esteatose hepática

O que aconteceu

A quantificação das vias de desfecho adverso (qAOPs) envolvendo múltiplas vias convergentes continua a ser um desafio fundamental na toxicologia. Essa dificuldade é agravada por pequenos conjuntos de dados in vitro com valores em falta e heterocedasticidade, que limitam a estimativa de funções de resposta não lineares e a estimativa robusta da incerteza. Para superar essas limitações, desenvolvemos um framework para estimar um grupo bayesiano qAOP (Bayesian qAOPE) que combina funções heterocedastic dose-resposta com splines contínuos e modelos lineares. Ao combinar múltiplas vias não lineares convergentes através do empilhamento bayesiano, as vias mais significativas são identificadas, e respostas fortemente correlacionadas são naturalmente contabilizadas. Aplicando nossa abordagem a um conjunto de dados de esteatose hepática, demonstramos, por meio da validação cruzada exata da licença Bayesiana, que nossa estrutura produz um desempenho preditivo excepcional adequado para a derivação de uma Dose de Benchmark ponderada probabilisticamente (DMO). Nosso framework é altamente adaptável e fornece um modelo químico-agnóstico, matematicamente fundado para integrar múltiplas vias convergentes em uma rede bayesiana.