当前位置：
X-MOL 学术
›
Chem. Res. Toxicol.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
GLORYx: Prediction of the Metabolites Resulting from Phase 1 and Phase 2 Biotransformations of Xenobiotics
Chemical Research in Toxicology ( IF 3.7 ) Pub Date : 2020-08-10 , DOI: 10.1021/acs.chemrestox.0c00224 Christina de Bruyn Kops 1 , Martin Šícho 2 , Angelica Mazzolari 3 , Johannes Kirchmair 1, 4
Chemical Research in Toxicology ( IF 3.7 ) Pub Date : 2020-08-10 , DOI: 10.1021/acs.chemrestox.0c00224 Christina de Bruyn Kops 1 , Martin Šícho 2 , Angelica Mazzolari 3 , Johannes Kirchmair 1, 4
Affiliation
|
Predicting the structures of metabolites formed in humans can provide advantageous insights for the development of drugs and other compounds. Here we present GLORYx, which integrates machine learning-based site of metabolism (SoM) prediction with reaction rule sets to predict and rank the structures of metabolites that could potentially be formed by phase 1 and/or phase 2 metabolism. GLORYx extends the approach from our previously developed tool GLORY, which predicted metabolite structures for cytochrome P450-mediated metabolism only. A robust approach to ranking the predicted metabolites is attained by using the SoM probabilities predicted by the FAME 3 machine learning models to score the predicted metabolites. On a manually curated test data set containing both phase 1 and phase 2 metabolites, GLORYx achieves a recall of 77% and an area under the receiver operating characteristic curve (AUC) of 0.79. Separate analysis of performance on a large amount of freely available phase 1 and phase 2 metabolite data indicates that achieving a meaningful ranking of predicted metabolites is more difficult for phase 2 than for phase 1 metabolites. GLORYx is freely available as a web server at https://nerdd.zbh.uni-hamburg.de/ and is also provided as a software package upon request. The data sets as well as all the reaction rules from this work are also made freely available.
中文翻译：
GLORYx：预测外源性物质的第 1 阶段和第 2 阶段生物转化产生的代谢物
预测人体中形成的代谢物的结构可以为药物和其他化合物的开发提供有利的见解。在这里，我们展示了 GLORYx，它将基于机器学习的代谢位点 (SoM) 预测与反应规则集相结合，以预测和排序可能由阶段 1 和/或阶段 2 代谢形成的代谢物的结构。GLORYx 扩展了我们之前开发的工具 GLORY 的方法，该工具仅预测细胞色素 P450 介导的代谢的代谢物结构。通过使用 FAME 3 机器学习模型预测的 SoM 概率对预测的代谢物进行评分，可以获得一种对预测的代谢物进行排序的稳健方法。在包含第 1 期和第 2 期代谢物的手动策划的测试数据集上，GLORYx 实现了 77% 的召回率和 0.79 的接受者操作特征曲线 (AUC) 下面积。对大量免费提供的 1 相和 2 相代谢物数据的性能进行单独分析表明，对 2 相代谢物进行有意义的预测排序比对 1 相代谢物更困难。GLORYx 可在 https://nerdd.zbh.uni-hamburg.de/ 上作为 Web 服务器免费使用，也可应要求作为软件包提供。来自这项工作的数据集以及所有反应规则也是免费提供的。对大量免费提供的 1 相和 2 相代谢物数据的性能进行单独分析表明，对 2 相代谢物进行有意义的预测排序比对 1 相代谢物更困难。GLORYx 可在 https://nerdd.zbh.uni-hamburg.de/ 上作为 Web 服务器免费使用，也可应要求作为软件包提供。来自这项工作的数据集以及所有反应规则也是免费提供的。对大量免费提供的 1 相和 2 相代谢物数据的性能进行单独分析表明，对 2 相代谢物进行有意义的预测排序比对 1 相代谢物更困难。GLORYx 可在 https://nerdd.zbh.uni-hamburg.de/ 上作为 Web 服务器免费使用，也可应要求作为软件包提供。来自这项工作的数据集以及所有反应规则也是免费提供的。
更新日期：2020-08-10
中文翻译：
GLORYx：预测外源性物质的第 1 阶段和第 2 阶段生物转化产生的代谢物
预测人体中形成的代谢物的结构可以为药物和其他化合物的开发提供有利的见解。在这里，我们展示了 GLORYx，它将基于机器学习的代谢位点 (SoM) 预测与反应规则集相结合，以预测和排序可能由阶段 1 和/或阶段 2 代谢形成的代谢物的结构。GLORYx 扩展了我们之前开发的工具 GLORY 的方法，该工具仅预测细胞色素 P450 介导的代谢的代谢物结构。通过使用 FAME 3 机器学习模型预测的 SoM 概率对预测的代谢物进行评分，可以获得一种对预测的代谢物进行排序的稳健方法。在包含第 1 期和第 2 期代谢物的手动策划的测试数据集上，GLORYx 实现了 77% 的召回率和 0.79 的接受者操作特征曲线 (AUC) 下面积。对大量免费提供的 1 相和 2 相代谢物数据的性能进行单独分析表明，对 2 相代谢物进行有意义的预测排序比对 1 相代谢物更困难。GLORYx 可在 https://nerdd.zbh.uni-hamburg.de/ 上作为 Web 服务器免费使用，也可应要求作为软件包提供。来自这项工作的数据集以及所有反应规则也是免费提供的。对大量免费提供的 1 相和 2 相代谢物数据的性能进行单独分析表明，对 2 相代谢物进行有意义的预测排序比对 1 相代谢物更困难。GLORYx 可在 https://nerdd.zbh.uni-hamburg.de/ 上作为 Web 服务器免费使用，也可应要求作为软件包提供。来自这项工作的数据集以及所有反应规则也是免费提供的。对大量免费提供的 1 相和 2 相代谢物数据的性能进行单独分析表明，对 2 相代谢物进行有意义的预测排序比对 1 相代谢物更困难。GLORYx 可在 https://nerdd.zbh.uni-hamburg.de/ 上作为 Web 服务器免费使用，也可应要求作为软件包提供。来自这项工作的数据集以及所有反应规则也是免费提供的。
京公网安备 11010802027423号