Characterization of Drug-like Chemical Space for Cytotoxic Marine Metabolites Using Multivariate Methods
Notice bibliographique
Résumé
Abstract In the last few decades, marine metabolites have been exploited to find commercially viable products in several areas. In this article, molecular descriptors [log P, mass, total polar surface area (TPSA), H-bond donor, H-bond acceptor, and the number of rotatable bonds] for the marine-derived cytotoxic metabolites were calculated and compared with marketed anticancer drugs to understand their position in the drug-like space. Marine-based cytotoxic metabolites are divided into highly toxic (HT) and moderately toxic (MT) classes. The marketed anticancer drugs complied well with Lipinski’s rule of five for all molecular descriptors. The majority of HT and MT metabolites complied solely with H-bond donors and a number of rotatable bonds with the Lipinski cutoff values. Hierarchical cluster analysis (HCA) and principal component analysis (PCA) were also performed using 73 molecular descriptors on an ensemble of highly cytotoxic or moderately cytotoxic marine metabolites and the marketed reference drugs. The HCA results showed that 12% of marine metabolites clustered with the marketed anticancer drugs and many of them had structural scaffold homology. The PCA results revealed the presence of a clear distinction between the cytotoxic marine metabolites and the marketed anticancer drugs. Results indicate that mass, TPSA, and log P are the vital parameters and the careful optimization of these parameters for marine cytotoxic metabolites may generate more meaningful anticancer candidates in the future.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».