Machine Learning-Based Bioactivity Classification of Natural Products Using LC-MS/MS Metabolomics
Notice bibliographique
Résumé
The rediscovery of known drug classes represents a major challenge in natural products drug discovery. Compound rediscovery inhibits the ability of researchers to explore novel natural products and wastes significant amounts of time and resources. This study introduces a novel machine learning framework that can effectively characterize the bioactivity of natural products by leveraging liquid chromatography tandem mass spectrometry and untargeted metabolomics analysis. This accelerates natural product drug discovery by addressing the challenge of dereplicating previously discovered bioactive compounds. Utilizing the SIRIUS 5 metabolomics software suite and in-silico -generated fragmentation spectra, we have trained a ML model capable of predicting a compound’s drug class. This approach enables the rapid identification of bioactive scaffolds from LC-MS/MS data, even without reference experimental spectra. The model was trained on a diverse set of molecular fingerprints generated by SIRIUS 5 to effectively classify compounds based on their core pharmacophores. Our model robustly classified 21 diverse bioactive drug classes, achieving accuracies greater than 93% on experimental spectra. This study underscores the potential of ML combined with MFPs to dereplicate bioactive natural products based on pharmacophore, streamlining the discovery process and expediting improved methods of isolating novel antibacterial and antifungal agents.
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) | 0,001 | 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 | 0,001 |
| 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 ».