对机械推理和化学分组的高通量转录组学选数据的签名分析

科学领域:

• 毒理学 毒理学 毒理学
• 计算生物学 计算生物学
• 基因组学就是基因组学.

背景情况:

• 高通量转录组学 (HTTr) 分析基因表达,以在体外评估化学生物活性.
• 之前的研究选了44种化学物质;这项工作将选范围扩大到EPA的ToxCast收集中的1751种额外的化学物质.

研究的目的:

• 评估度响应建模的有用性,用于识别分子标和通过生物活性对化学物质进行聚类.
• 使用HTTr数据预测作用机制 (MeOAs) 和使用HTTr数据预测具有类似活动概况的组化学物质.

主要方法:

• 通过使用HTTr在MCF7细胞中选了1751种化学物质,在8种度和6小时暴露期间.
• 根据签名目录注释和ToxPrint化学型进行了聚类和丰富分析.
• 利用统一的多重近似和投影 (UMAP) 进行嵌入和新型调制器识别.

主要成果:

• 确定已知和预测的MeOA,包括雌激素受体 (ER),葡萄糖皮质体受体 (GR) 和NRF2/KEAP/ARE通路调节.
• 证明了HTTr通过ER激动剂强度对化学物质进行分层的能力,并区分激动剂和对抗剂.
• UMAP确定了新的ER调节剂,并探索了与ToxPrint化学型丰富相结合的结构相关化学品的生物活性.

结论:

• 在MCF7细胞中的HTTr对于预测化学作用机制和按生物活性分组化合物是有效的.
• 这种方法可以通过建立体外出发点和预测MeOAs来为化学风险评估提供信息.
• 该研究强调了转录学在理解化学相互作用和预测毒理学特征方面的价值.