作者凯西·克诺皮克，太平洋西北国家实验室 说明代谢物的常规鉴定过程
信用:太平洋西北国家实验室 使用传统方法时，生物和环境样品中的代谢物和其他小化学品的准确识别历来不足
传统的策略依赖于称为标准的纯参考化合物来识别复杂样品中的相同分子
这些方法受到用作标准的纯化学品的可用性的限制
太平洋西北国家实验室(PNNL)生物医学科学家兼太平洋西北高级化合物鉴定中心主任汤姆·梅斯说:“我们真的想绕过目前代谢组学实验和分子鉴定的模式。”
当前方法的一个问题是，研究人员只能从供应商那里购买这么多纯化合物；大多数供应商可以获得大约3000-4000种化合物
“如果你考虑自然界中预计会发生的事情，你会发现超过1030种化合物或更多可能的化合物，”梅兹说
“所以，当你把你能接触到的几千种标准化学物质与大量潜在的化合物进行比较时，你甚至还没有接近
" 无标准识别方法 为了解决这个问题，梅茨和他在PNNL的团队构思了一种方法——无标准代谢组学——他们利用这种方法计算或预测感兴趣分子的多种特性信息，以生成全面的参考库，然后将包含相同特性的实验数据与这些库进行匹配，从而能够识别化合物
使用这种新方法，研究人员通过机器学习或量子化学程序发送化学结构，以准确预测代谢物的实验性质
“如果我们对这些预测足够准确，那么理论上我们就再也不需要分析纯化合物了，”梅兹说
“这一系列工具将改变代谢组学的当前范式，在不久的将来，将会有一些非常好的应用向研究界展示这一新方法的好处
" 代谢物的无标准鉴别过程说明
信用:太平洋西北国家实验室 由于无需依赖纯标准分析数据来识别小分子，无标准方法允许识别样品中高达90%以上的化学物质，并使这些计算工具在多个应用领域得到高度利用，包括新药发现、化学取证以及环境和生物医学研究
“例如，在新药设计中，用户可以说，‘这些药物有一定数量的特性，但它们碰巧有毒
我们能预测一种具有相似性质但可能没有毒性的化合物吗？”梅斯说
“如果正确的训练数据可以提供给黑暗化学项目，那么黑暗化学就可以进行预测
" 可定制的程序套件 无标准代谢组学鉴定的新方法使用四种关键工具生成全面的电子衍生代谢物参考库，并提取和匹配实验数据以产生化合物鉴定: 电子化学库引擎，一种高性能计算友好的量子化学方法，用于生成预测的化学性质
DarkChem是一个可变的自动编码器，它学习分子结构的连续数字或潜在表示，可以表征和扩展参考库
集成多维光谱分析的数据提取，这是一个模块化软件工具，可以从多维分析平台上收集的数据中提取特征
多属性匹配引擎(MAME)，它基于各种化学属性将实验数据与参考库进行匹配
这些工具被设计成可以一起工作，但是它们也可以单独使用
研究人员可以根据客户的需求或研究领域定制不同的应用程序，创建一个完全模块化的方法
推进研究领域 现在，在代谢组学社区中，所有的研究人员在每个样本中识别相同的分子集合
原因是他们都有相同的纯化合物，他们购买这些化合物是为了建立他们的参考库
“我们的愿景是，通过使用无标准的方法，你将永远不会被样品中可以识别的小分子的广阔范围所限制，”梅斯说
“对于代谢组学来说，这真是一个游戏规则的改变者
看到未来一年左右会发生什么是非常令人兴奋的
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
