复杂的自然产品的自动注释使用模块化碎片化结构组装 (MFSA) 战略

科学领域:

• 化学 化学 化学
• 生物化学 生物化学
• 计算化学的计算化学

背景情况:

• 复杂的自然产品 (CNPs) 具有复杂的多环结构,众多的性中心和独特的单元,使其结构注释具有挑战性.
• 准确的CNP结构识别对于理解其生物活性和药物发现至关重要.
• 现有的计算方法往往与CNP结构的高度复杂性和多样性作斗争.

研究的目的:

• 引入一种新的策略,即基于模块化碎片化的结构组件 (MFSA),用于高效准确地对复杂的自然产品进行结构注释.
• 开发一个用户友好的Python应用程序,CNPs-MFSA,以实施MFSA战略.
• 为了证明CNP-MFSA在识别达芬类型二类和其他类型的CNP中的有效性.

主要方法:

• 多种类型的粮食安全战略涉及基于碎片化模式和特征性离子的CNP结构的拆解.
• 通过通过伪图书馆识别目标化合物并分析中性损失来实现结构重组.
• CNPs-MFSA软件是用 Python 开发的,并使用公司内部的 daphnane 库进行验证.

主要成果:

• 与SIRIUS,MS-FINDER和MetFrag等已建立的工具相比,CNPs-MFSA显示出更高的Top-1注释准确性.
• 应用CNP-MFSA对56种西兰花植物,从822个注释结果中确定了204种高度可靠的达芬,其中包括105种新化合物.
• 工作流程被扩展,以说明其他CNP类的注释,如aconitine,paclitaxel和obakunone类似物.

结论:

• 基于模块化碎片化的结构组装 (MFSA) 战略为复杂的自然产品结构注释提供了强大而准确的方法.
• CNPs-MFSA工具为自然产品化学和药物发现领域的研究人员提供了一个用户友好和有效的解决方案.
• 这种方法显著推进了从自然来源中识别新的生物活性化合物,特别是在Thymelaeaceae家族内.