Prediction of Bioactive Metabolites from American <i>Aconitum</i> Using Network Integrating Cellular Morphological Profiling and Mass Spectrometry Data
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».