<i>N</i>-nitrosamines: in silico modelling of DNA reactivity and identification of metabolic precursors
Notice bibliographique
Résumé
The discovery of N-nitrosamines (NNAs) as impurities in several pharmaceuticals has renewed activities in assessing their mutagenic and carcinogenic potential. In the current investigation, the binary mutagenic potential of NNAs is re-investigated using the mechanism-based structure-activity approach of the TIMES models. Emphasis is placed on meeting the OECD (Q)SAR principles for model validation and the organization's (Q)SAR prediction principles. A curated data set of 41 small and complex NNA-containing substances tested in a standard battery of Salmonella typhimurium strains with and without rat microsomal activation was assessed for these tasks. Structural boundaries are initially derived from activating mechanisms for interactions of parent NNAs with DNA described in the literature. These activating mechanisms include direct-acting mutagenicity (denitrosation of parent molecules) or DNA interactions after S9 metabolic activation (alpha-hydroxylation). After analysis of the 41 NNAs, structural features that mitigate or 'mask' the covalent binding of NNAs to DNA expanded the original alert definition. The structural fragments' predictive capabilities (performance) for the activating and negating mechanisms of these 41 chemicals are excellent. Three false positives and no false negatives are reported. Moreover, the role of metabolism in the N-nitrosation of secondary amines and tertiary amines after conversion to secondary amines under in vivo conditions is explained with descriptions of new metabolic transformations. These transformation boundaries are applied to different inventories to search for parent structures that are potential in vivo metabolic precursors of NNAs.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».