使用in silico预测工具识别新的精神活性物质的代谢物
Romain Pelletier1,2, Dina Nahle3, Mareme Sarr3
1NuMeCan Institute (Nutrition, Metabolisms and Cancer), CHU Rennes, Univ Rennes, INSERM, INRAE, UMR_A 1341, UMR_S 1317, 35000, Rennes, France. romain.pelletier@chu-rennes.fr.
Archives of toxicology
|May 13, 2025
概括
预测新的精神活性物质 (NPS) 代谢对于毒理学至关重要. 结合四种in silico工具,改善了代谢物识别,帮助了法医调查.
科学领域:
- 法医毒理学 法医毒理学
- 计算化学的计算化学
- 药理学 药理学是指药理学的学科.
背景情况:
- 新型精神活性物质 (NPS) 在临床和法医毒理学中提出了重大挑战.
- 对NPS缺乏分析和代谢数据,阻碍了准确的识别和风险评估.
研究的目的:
- 评估NPS代谢中的四种in silico预测工具 (GLORYx,BioTransformer 3.0,SyGMa,MetaTrans) 的性能.
- 为了将预测的代谢物与五个化学类的七个NPS的文献数据进行比较.
主要方法:
- 在使用GLORYx,BioTransformer 3.0,SyGMa和MetaTrans.Trans的七个NPS的代谢物的in silico预测.
- 对预测代谢物与实验报告数据进行比较分析.
- 评估工具的详尽性,独特的预测和反应类型的有效性 (第一阶段,谷氨结合).
主要成果:
- SyGMa预测了最多的代谢物 (437),而MetaTrans预测了最少的代谢物 (61).
- GLORYx独特地确定了谷氨联结;生物转化器在第一阶段反应预测方面表现出色.
- 没有单一的工具提供了全面的预测; 结合工具确定了与实验数据一致的关键生物标志物.
结论:
- 需要使用多种in silico工具的综合方法来优化NPS代谢物预测.
- 在 silico 工具是有价值的毒理学调查,有潜力通过人工智能驱动的模型提高准确性.
- 准确的代谢物识别对于理解NPS毒性和支持法医分析至关重要.
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
12.3K
11:25Multi-step Preparation Technique to Recover Multiple Metabolite Compound Classes for In-depth and Informative Metabolomic Analysis
Published on: July 11, 2014
32.6K