Produkte

Eine medikamentenbedingte Leberschädigung ist eine der Hauptursachen für den Drogenkonsum.Die Fähigkeit, die Auswirkungen von Arzneimittelkandidaten auf die Leber anhand ihrer chemischen Strukturen vorherzusagen, ist von entscheidender Bedeutung, um experimentelle Arzneimittelforschungsprojekte zu sichereren Arzneimitteln zu führen.In dieser Studie haben wir einen Datensatz von 951 Verbindungen zusammengestellt, von denen berichtet wird, dass sie bei verschiedenen Spezies, darunter Menschen, Nagetiere und Nicht-Nagetiere, ein breites Spektrum an Wirkungen in der Leber hervorrufen.Die Lebereffekte für diesen Datensatz wurden als Assertionsmetadaten ermittelt, die aus MEDLINE-Abstracts unter Verwendung einer einzigartigen Kombination aus lexikalischen und linguistischen Methoden und ontologischen Regeln generiert wurden.Wir haben diesen Datensatz mithilfe konventioneller Cheminformatik-Ansätze analysiert und mehrere Fragen im Zusammenhang mit der artübergreifenden Übereinstimmung von Lebereffekten, chemischen Determinanten von Lebereffekten beim Menschen und der Vorhersage, ob eine bestimmte Verbindung wahrscheinlich einen Lebereffekt beim Menschen verursacht, beantwortet.Wir fanden heraus, dass die Übereinstimmung der Leberwirkungen zwischen verschiedenen Arten relativ gering war (ca. 39–44 %), was die Möglichkeit erhöht, dass die Artenspezifität von spezifischen Merkmalen der chemischen Struktur abhängen könnte.Die Verbindungen wurden nach ihrer chemischen Ähnlichkeit gruppiert und ähnliche Verbindungen wurden auf die erwartete Ähnlichkeit ihrer artabhängigen Leberwirkungsprofile untersucht.In den meisten Fällen wurden ähnliche Profile für Mitglieder desselben Clusters beobachtet, einige Verbindungen schienen jedoch Ausreißer zu sein.Die Ausreißer waren Gegenstand einer gezielten Behauptungsregeneration aus MEDLINE und anderen Datenquellen.In einigen Fällen wurden zusätzliche biologische Aussagen identifiziert, die den Erwartungen aufgrund der chemischen Ähnlichkeiten der Verbindungen entsprachen.Die Behauptungen wurden weiter in binäre Anmerkungen der zugrunde liegenden Chemikalien umgewandelt (z. B. Wirkung auf die Leber vs. keine Wirkung auf die Leber), und es wurden binäre quantitative Struktur-Aktivitäts-Beziehungsmodelle (QSAR) erstellt, um vorherzusagen, ob von einer Verbindung zu erwarten ist, dass sie beim Menschen Leberwirkungen hervorruft.Trotz der scheinbaren Heterogenität der Daten haben die Modelle eine gute Vorhersagekraft gezeigt, die durch externe 5-fache Kreuzvalidierungsverfahren bewertet wurde.Die externe Vorhersagekraft binärer QSAR-Modelle wurde weiter durch ihre Anwendung auf Verbindungen bestätigt, die nach der Entwicklung des Modells abgerufen oder untersucht wurden.Nach unserem besten Wissen ist dies die erste Studie zur Vorhersage chemischer Toxizität, die QSAR-Modellierung und andere Techniken der Chemieinformatik auf Beobachtungsdaten anwendet, die durch automatisiertes Text-Mining mit begrenzter manueller Kuratierung generiert wurden, was neue Möglichkeiten für die Generierung und Modellierung chemischer Toxikologie eröffnet Daten.