Prediction of Bioactive Metabolites from American <i>Aconitum</i> Using Network Integrating Cellular Morphological Profiling and Mass Spectrometry Data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Asian and American Aconitum species are phylogenetically close, but only certain Asian species have been well-studied for their medicinal properties. This study aims to discover bioactive compounds in two American Aconitum species based on a systematic networking strategy integrating both mass spectrometry data and biological profiles from a high-throughput phenotypic screening assay, Cell Painting. The chemical profiles of four different plant parts of two American Aconitum species ( A. columbianum and A. uncinatum ) were obtained by ion mobility mass spectrometry and compared with two Asian ( A. carmichaelii and A. fischeri ), and one European species ( A. napellus ). Biological screening, image analysis, and feature extraction were performed on Aconitum extracts using the Cell Painting assay. The results provided 2,090 unique morphological features per extract, which were further reduced to 429. In conjunction with 4,400 chemicals from a library with known mechanisms of action, 198 unique hierarchical clusters were established. An overall activity heuristic called CP score was calculated for each sample. After integrating the CP score and spectrometric data, a network filtered for higher CP scores was constructed and the compounds with high activity were tentatively identified. The network contained mostly American Aconitum species, suggesting that these understudied plants produce useful bioactive compounds.
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.
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 | 0,002 | 0,003 |
| 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 | 0,002 |
| 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 découle