• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

Food for thought ... on in silico methods in toxicology.

作者信息

Hartung Thomas, Hoffmann Sebastian

机构信息

(CAAT) Center for Alternatives to Animals Testing, Johns Hopkins University, Bloomberg School of Public Health, Doerenkamp-Zbinden Chair for Evidence-Based Toxicology, Baltimore, MD 21205, USA.

出版信息

ALTEX. 2009;26(3):155-66. doi: 10.14573/altex.2009.3.155.

DOI:10.14573/altex.2009.3.155
PMID:19907903
Abstract
摘要

相似文献

1
Food for thought ... on in silico methods in toxicology.值得思考的问题……关于毒理学中的计算机模拟方法。
ALTEX. 2009;26(3):155-66. doi: 10.14573/altex.2009.3.155.
2
Toxicology is IN: in silico, in vitro, integrated testing strategy.毒理学流行起来了：计算机模拟、体外实验、综合测试策略。
ALTEX. 2016;33(2):187-8. doi: 10.14573/altex.1602151.
3
Pharmaceutical toxicology: designing studies to reduce animal use, while maximizing human translation.药物毒理学：设计研究以减少动物使用，同时最大限度地提高人类转化。
Regul Toxicol Pharmacol. 2013 Jun;66(1):88-103. doi: 10.1016/j.yrtph.2013.03.001. Epub 2013 Mar 21.
4
Food for thought ... on the evolution of toxicology and the phasing out of animal testing.值得思考的问题……关于毒理学的发展以及动物实验的逐步淘汰。
ALTEX. 2008;25(2):91-102. doi: 10.14573/altex.2008.2.91.
5
Computer prediction of possible toxic action from chemical structure: an update on the DEREK system.基于化学结构的计算机辅助预测可能的毒性作用：DEREK系统的更新
Toxicology. 1996 Jan 8;106(1-3):267-79. doi: 10.1016/0300-483x(95)03190-q.
6
Food for thought ... on education in alternative methods in toxicology.
ALTEX. 2009;26(4):255-63. doi: 10.14573/altex.2009.4.255.
7
Food for Thought ... on mapping the human toxome.值得深思……关于人类毒物组图谱绘制。
ALTEX. 2011;28(2):83-93. doi: 10.14573/altex.2011.2.083.
8
In silico toxicology for the pharmaceutical sciences.药物科学中的计算机毒理学
Toxicol Appl Pharmacol. 2009 Dec 15;241(3):356-70. doi: 10.1016/j.taap.2009.08.022. Epub 2009 Aug 28.
9
Moving from rats to cellular omics in regulatory toxicology: great challenge toward sustainability or "up-shit-creek without a paddle"?
Arch Toxicol. 2015 Jun;89(6):819-21. doi: 10.1007/s00204-015-1511-z. Epub 2015 Mar 28.
10
In silico toxicology challenges for pharmaceuticals: complacency or controversy?
Altern Lab Anim. 2009 Nov;37(5):453-6. doi: 10.1177/026119290903700501.

引用本文的文献

1
Computational Nanotoxicology Models for Environmental Risk Assessment of Engineered Nanomaterials.用于工程纳米材料环境风险评估的计算纳米毒理学模型
Nanomaterials (Basel). 2024 Jan 10;14(2):155. doi: 10.3390/nano14020155.
2
Artificial intelligence (AI)-it's the end of the tox as we know it (and I feel fine).人工智能（AI）——这是我们所知道的毒理学的终结（我感觉很好）。
Arch Toxicol. 2024 Mar;98(3):735-754. doi: 10.1007/s00204-023-03666-2. Epub 2024 Jan 20.
3
Probabilistic risk assessment - the keystone for the future of toxicology.
概率风险评估——毒理学的未来基石。
ALTEX. 2022;39(1):3-29. doi: 10.14573/altex.2201081.
4
Innovative Human Three-Dimensional Tissue-Engineered Models as an Alternative to Animal Testing.创新型人体三维组织工程模型作为动物实验的替代方案
Bioengineering (Basel). 2020 Sep 17;7(3):115. doi: 10.3390/bioengineering7030115.
5
Toxicity testing is evolving!毒性测试正在不断发展！
Toxicol Res (Camb). 2020 Apr 24;9(2):67-80. doi: 10.1093/toxres/tfaa011. eCollection 2020 Apr.
6
Perspectives on to Extrapolations.关于外推法的观点。 （你提供的原文“Perspectives on to Extrapolations.”表述似乎不太完整准确，我按照字面意思尽量贴近翻译了，你可以检查下原文是否准确。）
Appl In Vitro Toxicol. 2018 Dec 1;4(4):305-316. doi: 10.1089/aivt.2016.0026. Epub 2018 Dec 8.
7
In vitro toxicity model: Upgrades to bridge the gap between preclinical and clinical research.体外毒性模型：升级以弥合临床前研究和临床研究之间的差距。
Bosn J Basic Med Sci. 2020 May 1;20(2):157-168. doi: 10.17305/bjbms.2019.4378.
8
Big-data and machine learning to revamp computational toxicology and its use in risk assessment.大数据与机器学习助力革新计算毒理学及其在风险评估中的应用。
Toxicol Res (Camb). 2018 May 1;7(5):732-744. doi: 10.1039/c8tx00051d. eCollection 2018 Sep 1.
9
Machine Learning of Toxicological Big Data Enables Read-Across Structure Activity Relationships (RASAR) Outperforming Animal Test Reproducibility.毒理学大数据的机器学习可实现优于动物测试重现性的读交叉结构活性关系 (RASAR)。
Toxicol Sci. 2018 Sep 1;165(1):198-212. doi: 10.1093/toxsci/kfy152.
10
3S - Systematic, systemic, and systems biology and toxicology.3S - 系统生物学、系统毒理学和整体医学。
ALTEX. 2018;35(2):139-162. doi: 10.14573/altex.1804051.