Enumerating the chemical exposome using in-silico transformation analysis : an example using insecticides
Dit artikel presenteert een geïntegreerde in-silico workflow die gebruikmaakt van machine learning en chemische databronnen om duizenden potentiële transformatieproducten van insecticiden te enumereren en te prioriteren, waardoor de bekende chemische ruimte van het exposoom wordt uitgebreid.
Oorspronkelijk artikel vrijgegeven aan het publieke domein onder CC0 1.0 (https://creativecommons.org/publicdomain/zero/1.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Stel je voor dat je lichaam een drukke stad is, en het "exposoom" is de volledige inventaris van elk chemisch pakketje dat ooit aan de deuren van die stad wordt bezorgd—van het voedsel dat je eet tot de lucht die je inademt. Maar hier komt de twist: zodra deze chemische pakketjes binnen in een cel aankomen, blijven ze niet zomaar liggen. Ze worden uitgepakt, opnieuw verpakt en soms zelfs volledig verbouwd door de arbeiders van de stad (enzymen) tot nieuwe, andere producten. Sommige van deze nieuwe creaties kunnen onschadelijk zijn, terwijl anderen juist voor problemen kunnen zorgen.
Dit artikel gaat over het bouwen van een digitale kristallen bol om precies te voorspellen hoe die nieuwe creaties eruitzien voordat we ze zelfs maar in een laboratorium vinden.
Zo hebben de onderzoekers het aangepakt, met behulp van een paar slimme hulpmiddelen:
- Het Receptenboek: Eerst gingen ze op een enorme schattenjacht door een gigantische database genaamd PubChem. Ze vonden meer dan 80.000 echte chemische "recepten" (reacties) waarbij de ene stof in een andere werd getransformeerd. Ze veranderden deze recepten in een reeks digitale instructies, of "templates", die een computer kan volgen.
- De Digitale Fabriek: Ze bouwden een workflow met behulp van drie specifieke computerprogramma's (RXNMmapper, Rxn-INSIGHT en RDChiral). Zie dit als een virtuele fabriekslijn. Je voert een chemische structuur in (zoals een insecticide) en de fabriek gebruikt die 80.000 recepten om automatisch elke mogelijke versie van die chemische stof te produceren die zou kunnen bestaan nadat deze in een lichaam is "verbouwd".
- De Proefdraai: Om te zien of hun fabriek werkte, testten ze het op 181 verschillende insecticiden. Het resultaat? De machine spuugde bijna 20.000 unieke, nieuwe chemische structuren uit waar deze insecticiden in zouden kunnen veranderen.
Waarom is dit nuttig?
De onderzoekers stopten niet alleen bij het maken van een enorme lijst. Ze voegden een "sorteringshoed" toe aan het proces. Net zoals een bibliothecaris die boeken organiseert, gebruikten ze filters om deze 20.000 nieuwe chemicaliën te rangschikken op basis van:
- Hoe stabiel ze zijn (vallen ze gemakkelijk uit elkaar?).
- Welke dieren of soorten ze zouden kunnen aantasten.
- Welke enzymen (de arbeiders van het lichaam) erbij betrokken zijn.
- Hoe ze zich in het lichaam zouden gedragen (absorptie, toxiciteit, etc.).
De Grote Ontdekking:
Toen ze naar de resultaten keken, ontdekten ze dat veel van deze nieuwe "verbouwde" chemicaliën al dossiers hebben in de grote chemische database (PubChem), maar dat niemand ooit de verbanden had gelegd om aan te tonen dat ze voortkwamen uit de oorspronkelijke insecticiden.
Kortom, dit artikel presenteert een nieuwe manier om bekende chemische regels te gebruiken om de verborgen, getransformeerde versies van chemicaliën in onze omgeving in kaart te brengen. Het is alsof je een kaart hebt van alle mogelijke vermommingen die een chemische stof kan dragen zodra deze ons lichaam binnendringt, wat wetenschappers helpt om de ontbrekende stukjes van de "exposoom"-puzzel in te vullen met enkel wat we al weten over chemie.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.