Interaction Metabolomics to Discover Synergists in Natural Product Mixtures
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Mass spectrometry metabolomics has become increasingly popular as an integral aspect of studies to identify active compounds from natural product mixtures. Classical metabolomics data analysis approaches do not consider the possibility that interactions (such as synergy) could occur between mixture components. With this study, we developed “interaction metabolomics” to overcome this limitation. The innovation of interaction metabolomics is the inclusion of compound interaction terms (CITs), which are calculated as the product of the intensities of each pair of features (detected ions) in the data matrix. Herein, we tested the utility of interaction metabolomics by spiking known concentrations of an antimicrobial compound (berberine) and a synergist (piperine) into a set of inactive matrices. We measured the antimicrobial activity for each of the resulting mixtures against Staphylococcus aureus and analyzed the mixtures with liquid chromatography coupled to high-resolution mass spectrometry. When the data set was processed without CITs (classical metabolomics), statistical analysis yielded a pattern of false positives. However, interaction metabolomics correctly identified berberine and piperine as the compounds responsible for the synergistic activity. To further validate the interaction metabolomics approach, we prepared mixtures from extracts of goldenseal ( Hydrastis canadensis ) and habañero pepper ( Capsicum chinense ) and correctly correlated synergistic activity of these mixtures to the combined action of berberine and several capsaicinoids. Our results demonstrate the utility of a conceptually new approach for identifying synergists in mixtures that may be useful for applications in natural products research and other research areas that require comprehensive mixture analysis.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».