分子指纹对于探索自然产品化学空间的有效性
Davide Boldini1, Davide Ballabio2, Viviana Consonni2
1TUM School of Natural Sciences, Department of Bioscience, Technical University of Munich, Center for Functional Protein Assemblies (CPA), 85748, Garching bei München, Germany. davide.boldini@tum.de.
对天然产品的分子指纹进行评估至关重要. 我们的研究表明,虽然扩展连接指纹很常见,但其他指纹可能更好地预测这些独特化合物的生物活性.
科学领域:
- 计算化学和化学信息学
- 自然产品 药物发现 药物发现
背景情况:
- 自然产品具有独特的结构特征 (例如,不同的分子量,立体中心,sp3碳),与典型的类似药物的化合物不同.
- 这些结构上的差异给使用标准分子指纹编码自然产品带来了挑战,限制了它们在化学信息学中的应用.
- 有效的分子表示对于在药物发现和生物活性预测中利用自然产品至关重要.
研究的目的:
- 系统地评估各种分子指纹的性能,以表示自然产品的化学空间.
- 为了确定哪些分子指纹是最有效的自然产品的生物活性预测.
- 为研究人员提供与天然产品数据工作的基准和资源.
主要方法:
- 审查了超过30年的研究,从四个不同的来源选择了20个分子指纹.
- 从COCONUT和CMNPD数据库中使用超过10万种独特的天然产品对选定的指纹进行了基准测试.
- 在12个生物活性预测数据集上分析了指纹及其分类性能之间的相关性.
主要成果:
- 不同的分子编码为自然产品的化学空间提供了从根本上不同的视角,影响了相似性计算和性能.
- 虽然扩展连接指纹 (ECFP) 是类似药物化合物的标准,但在天然产品生物活性预测方面,其他指纹的性能与其他指纹相匹配或优于.
- 该研究确定了特定的指纹,这些指纹在预测天然产品生物活性方面表现出了卓越的表现.
结论:
- 分子指纹的选择显著影响了天然产品化学信息学中的分析和预测能力.
- 研究人员应该考虑评估ECFP之外的多个指纹算法,以最佳地预测天然产品的生物活性.
- 提供了一个开源的Python包,数据和脚本,以促进可重现性和进一步研究.
更多相关视频
09:04Identifying Per- and Polyfluorinated Chemical Species with a Combined Targeted and Non-Targeted-Screening High-Resolution Mass Spectrometry Workflow
Published on: April 18, 2019
10:14Chromatographic Fingerprinting by Template Matching for Data Collected by Comprehensive Two-Dimensional Gas Chromatography
Published on: September 2, 2020
相关概念视频
Mass Spectrum: Interpretation
To...
MALDI-TOF Mass Spectrometry
Matrix-assisted laser desorption ionization (MALDI) is a commonly...
Mass Spectrometry: Complex Analysis
GC–MS is a powerful hyphenated method commonly used in forensics and environmental...
Applications of IR Spectroscopy: Overview
