Name: Zastosowanie chemininformatyki do opracowania bazy danych metod analitycznych z możliwością przeszukiwania struktury (Wideo) | JoVE Journal
Uploaded: 2025-06-06T15:15:00.000+00:00
Duration: 5 min 34 s
Description: Poznaj bazę danych AMOS dla metod analitycznych i danych spektralnych w cheminformatyce. To narzędzie ułatwia dostęp do zasobów badawczych i wspiera współpracę naukowców.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Autorzy dziękują zespołowi kuratorskiemu za całą ich pracę związaną z opieką nad substancjami chemicznymi w bazie danych oraz Joshui Powellowi, Asifowi Rashidowi i Freddiemu Valone za wsparcie techniczne w budowie i wdrożeniu AMOS. Dziękujemy również Charlesowi Lowe'owi za recenzję manuskryptu.

<ol><li>Kim, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((PubChem+substance+and+compound+databases%5BTitle%5D)+AND+%22Nucleic+Acids+Res%22%5BJournal%5D)">PubChem substance and compound databases.</a> Nucleic Acids Res. 44 (D1), D1202-D1213 (2016).</li>
<li>Pence, H. E., Williams, A. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ChemSpider%3A+An+online+chemical+information+resource%5BTitle%5D)+AND+%22J+Chem+Educ%22%5BJournal%5D)">ChemSpider: An online chemical information resource.</a> J Chem Educ. 87 (11), 1123-1124 (2010).</li>
<li>Williams, A. J., Grulke, C. M., Edwards, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+CompTox+chemistry+dashboard%3A+A+community+data+resource+for+environmental+chemistry%5BTitle%5D)+AND+%22J+Cheminform%22%5BJournal%5D)">The CompTox chemistry dashboard: A community data resource for environmental chemistry.</a> J Cheminform. 9, 61(2017).</li>
<li>Grulke, C. M., Williams, A. J., Thillanadarajah, I., Richard, A. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EPA%27s+DSSTox+database%3A+History+of+development+of+a+curated+chemistry+resource+supporting+computational+toxicology+research%5BTitle%5D)+AND+%22Comput+Toxicol%22%5BJournal%5D)">EPA's DSSTox database: History of development of a curated chemistry resource supporting computational toxicology research.</a> Comput Toxicol. 12, 100096(2019).</li>
<li>Tickner, J. A., Schifano, J. N., Blake, A., Rudisill, C., Mulvihill, M. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Advancing+safer+alternatives+through+functional+substitution%5BTitle%5D)+AND+%22Environ+Sci+Technol%22%5BJournal%5D)">Advancing safer alternatives through functional substitution.</a> Environ Sci Technol. 49 (2), 742-749 (2015).</li>
<li>Phillips, K. A., Wambaugh, J. F., Grulke, C. M., Dionisio, K. L., Isaacs, K. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((High-throughput+screening+of+chemicals+as+functional+substitutes+using+structure-based+classification+models%5BTitle%5D)+AND+%22Green+Chem%22%5BJournal%5D)">High-throughput screening of chemicals as functional substitutes using structure-based classification models.</a> Green Chem. 19 (4), 1063-1074 (2017).</li>
<li>Isaacs, K. K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+harmonized+chemical+monitoring+database+for+support+of+exposure+assessments%5BTitle%5D)+AND+%22Sci+Data%22%5BJournal%5D)">A harmonized chemical monitoring database for support of exposure assessments.</a> Sci Data. 9, 314(2022).</li>
<li>SpectraBase. , 
 <a target="_blank" href="https://spectrabase.com/">https://spectrabase.com/</a> (2025).</li>
<li>Djoumbou Feunang, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ClassyFire%3A+Automated+chemical+classification+with+a+comprehensive%2C+computable+taxonomy%5BTitle%5D)+AND+%22J+Cheminform%22%5BJournal%5D)">ClassyFire: Automated chemical classification with a comprehensive, computable taxonomy.</a> J Cheminform. 8, 61(2016).</li>
<li>Ulrich, E. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EPA%27s+non-targeted+analysis+collaborative+trial+%28ENTACT%29%3A+Genesis%2C+design%2C+and+initial+findings%5BTitle%5D)+AND+%22Anal+Bioanal+Chem%22%5BJournal%5D)">EPA's non-targeted analysis collaborative trial (ENTACT): Genesis, design, and initial findings.</a> Anal Bioanal Chem. 411 (4), 853-866 (2019).</li>
<li>Sobus, J. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Using+prepared+mixtures+of+ToxCast+chemicals+to+evaluate+non-targeted+analysis+%28NTA%29+method+performance%5BTitle%5D)+AND+%22Anal+Bioanal+Chem%22%5BJournal%5D)">Using prepared mixtures of ToxCast chemicals to evaluate non-targeted analysis (NTA) method performance.</a> Anal Bioanal Chem. 411 (4), 835-851 (2019).</li>
<li>Chao, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((In+silico+MS%2FMS+spectra+for+identifying+unknowns%3A+A+critical+examination+using+CFM-ID+algorithms+and+ENTACT+mixture+samples%5BTitle%5D)+AND+%22Anal+Bioanal+Chem%22%5BJournal%5D)">In silico MS/MS spectra for identifying unknowns: A critical examination using CFM-ID algorithms and ENTACT mixture samples.</a> Anal Bioanal Chem. 412 (6), 1303-1315 (2020).</li>
<li>McEachran, A. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Revisiting+five+years+of+CASMI+contests+with+EPA+identification+tools%5BTitle%5D)+AND+%22Metabolites%22%5BJournal%5D)">Revisiting five years of CASMI contests with EPA identification tools.</a> Metabolites. 10 (6), 260(2020).</li>
<li>Charest, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Improving+predictions+of+compound+amenability+for+liquid+chromatography-mass+spectrometry+to+enhance+non-targeted+analysis%5BTitle%5D)+AND+%22Anal+Bioanal+Chem%22%5BJournal%5D)">Improving predictions of compound amenability for liquid chromatography-mass spectrometry to enhance non-targeted analysis.</a> Anal Bioanal Chem. 416 (10), 2565-2579 (2024).</li>
</ol>

Niniejszy dokument niekoniecznie reprezentuje poglądy lub politykę Amerykańskiej Agencji Ochrony Środowiska.

Podczas gdy wiele projektów i aplikacji koncentruje się na gromadzeniu i standaryzacji informacji z jednego typu rekordu, takiego jak metody, arkusze informacyjne lub określony rodzaj widm, AMOS jest pierwszym zidentyfikowanym narzędziem, które kompiluje i integruje duże ilości informacji z wielu typów rekordów. Ujednolicenie, harmonizacja i ustrukturyzacja danych z tych różnych źródeł skutkują powstaniem bazy danych, którą można łatwiej włączyć do przepływów pracy wymagających dostępu do metodologii chemii analitycznej. Możliwość przeszukiwania bazy danych na kilka uzupełniających się sposobów umożliwia efektywne wyszukiwanie informacji, które w przeciwnym razie wymagałyby dużego wysiłku ręcznego w wielu witrynach internetowych lub narzędziach.
Przed publicznym udostępnieniem użyteczność AMOS została zademonstrowana poprzez wykorzystanie go przez pracowników EPA do wspierania szerokiego zakresu projektów. EPA jest stale zainteresowana zastosowaniem spektrometrii mas do analizy nieukierunkowanej10,11, a wiele inicjatyw wykorzystało eksperymentalne widma mas w AMOS w celu usprawnienia poszukiwań w dużej bibliotece spektralnej in silico wygenerowanej z chemikaliów DSSTox12,13. W ramach innych projektów wykorzystano wyszukiwanie podobieństw strukturalnych w celu zidentyfikowania punktów wyjścia do opracowania nowych metod, zbadano istniejące metody oceny granic wykrywalności i kwantyfikacji, a także przeanalizowano kolekcje substancji chemicznych powiązanych z metodami oceny zakresu pokrycia przestrzeni chemicznej.
Agregacja potencjalnych danych treningowych w ramach projektu AMOS dodatkowo wspiera rozwój ilościowych modeli dostosowania metod analitycznych14, co jest podstawową potrzebą rozwoju przepływów pracy związanych z analizą nieukierunkowaną (NTA). Działania kuratorskie w ramach AMOS ułatwiają również inicjatywy mające na celu modelowanie, badanie i wizualizację przestrzeni chemicznych związanych z zakresem metodologicznym14.
Chociaż podstawowa funkcjonalność AMOS jest dojrzała, ciągły rozwój opiera się na opiniach użytkowników. Bieżące zadania obejmują włączanie dodatkowych danych, zarządzanie dalszymi metadanymi w celu ulepszonego filtrowania oraz rozszerzanie możliwości wyszukiwania. We współpracy z interesariuszami EPA opracowywane są interfejsy programowania aplikacji (API), które umożliwią dostęp programowy, rozwiązując problemy z przypadkami użycia, w których graficzny interfejs użytkownika (GUI) może być nieefektywny. Strona z informacjami o wersji została zintegrowana z aplikacją w celu śledzenia i komunikowania aktualizacji kodu w czasie.
Nowe rekordy danych i substancje chemiczne są obecnie dodawane co tydzień; Przewiduje się jednak, że po publicznej premierze harmonogram wydawniczego będzie wolniejszy. Chociaż dokłada się znacznych starań w celu zapewnienia dokładności rekordów i powiązanych metadanych, wiele danych pochodzi z publicznych baz danych. W związku z tym pełna weryfikacja każdego rekordu nie jest możliwa, a użytkownicy powinni mieć świadomość, że nie można zagwarantować absolutnej dokładności danych.

Przykładem internetowego dostarczania danych chemicznych do społeczności są aplikacje takie jak PubChem1, ChemSpider2 i CompTox Chemicals Dashboard (CCD)3. Podjęto wysiłki w celu rozpowszechniania szczegółowych informacji na temat metod analitycznych publikowanych w artykułach w czasopismach, publikowanych przez dostawców przyrządów jako techniczne noty aplikacyjne, dostarczanych przez agencje rządowe jako standardowe procedury operacyjne lub metody regulacyjne oraz wydawanych przez organizacje normalizacyjne, takie jak Międzynarodowa Organizacja Normalizacyjna (ISO). Dziesiątki tysięcy substancji chemicznych zostało przebadanych przez te źródła w szerokim zakresie warunków i technik analitycznych. Ten obszerny zbiór źródeł obejmuje różne substancje i obejmuje scenariusze, począwszy od kwantyfikacji pojedynczej substancji chemicznej w określonej matrycy (np. krwi), poprzez mieszaniny pestycydów i ich pozostałości w określonych uprawach, aż po setki substancji chemicznych zidentyfikowanych w wodzie pitnej. Chociaż wiele metod analitycznych można znaleźć za pośrednictwem publicznych wyszukiwarek, nie wszystkie są dostępne bezpłatnie lub w otwartym dostępie.
Znalezienie konkretnych interesujących informacji może być trudne. Wyszukiwarki ogólnego przeznaczenia nie są zoptymalizowane pod kątem danych chemicznych, a ich algorytmy rankingowe mogą przesłaniać wysokiej jakości treści przeznaczone dla wąskiego grona odbiorców. Przeszukiwanie stron internetowych czasopism może przynieść bardziej ukierunkowane wyniki, ale dostęp do nich jest często ograniczony, a publicznie dostępne są tylko streszczenia, co utrudnia ocenę przydatności metody. Ponadto parametry krytyczne, takie jak matryce próbek, granice wykrywalności i oznaczanie ilościowe, często nie są przechowywane w ustrukturyzowanym formacie. Innym istotnym wyzwaniem jest zmienność i niespójność identyfikatorów chemicznych, nazw i synonimów związanych z pojedynczą substancją chemiczną. Brak ustrukturyzowanych metod i danych ogranicza rozwój narzędzi programowych, które mogłyby wykorzystać zgromadzoną przez dziesięciolecia wiedzę z zakresu chemii analitycznej i powiązane publikacje.
W wyniku tych wyzwań i ograniczeń istnieje zapotrzebowanie na wyselekcjonowaną, zorientowaną na chemię aplikację do harmonizacji i poszukiwania metod analitycznych - taką, która nie została zidentyfikowana nigdzie indziej. Aby wypełnić tę lukę, amerykańska Agencja Ochrony Środowiska opracowała AMOS, bazę danych Analytical Methods and Open Spectra oraz aplikację internetową. AMOS gromadzi obecnie i porządkuje trzy rodzaje rekordów danych: metody analityczne, różne widma analityczne oraz szeroką kategorię dokumentów uzupełniających określanych zbiorczo jako arkusze informacyjne. Każdy rekord jest powiązany z docelowymi analitami i odczynnikami chemicznymi metody. Dane można przeszukiwać na wiele sposobów, w tym według zapytań tekstowych, struktury chemicznej oraz podobieństwa strukturalnego lub spektralnego.
Aplikacja AMOS skupia się przede wszystkim na dostarczaniu otwartego dostępu i otwartych rekordów danych. Tam, gdzie to możliwe, rekordy w bazie danych są hiperłącza do ich oryginalnych źródeł. Rekordy, które nie są objęte licencją otwartą, a zatem nie są przechowywane bezpośrednio w bazie danych, mogą być nadal integrowane i dostępne za pośrednictwem adresu URL, pod warunkiem, że są dostępne w inny sposób. Dotyczy to dwóch typów rekordów: metod analitycznych, które znajdują się za zaporami płatnymi, zazwyczaj z czasopism lub organizacji normalizacyjnych, do których EPA ma dostęp, oraz widm, które są dostępne, ale wymagają dostępu do logowania.
Źródła danych różnią się pod względem struktury rekordów, co wymaga znacznego wysiłku w zakresie ekstrakcji i selekcji w celu zebrania i zharmonizowania zawartości. Większość rekordów zawiera identyfikatory substancji (np. CASRN, DTXSID, InChIKey, nazwy zwyczajowe), a w wielu przypadkach ekstrakcja jest prosta. Jednak dopasowanie tych identyfikatorów do struktur chemicznych i szczegółów substancji może być skomplikowane. Niektóre identyfikatory mogą być bezpośrednio dopasowane do wpisów w bazie danych EPA dotyczącej rozproszonej toksyczności możliwej do przeszukiwania (DSSTox)4; W przypadku gdy nie zostaną znalezione dopasowania, identyfikatory są łączone z istniejącymi substancjami lub rejestrowane są nowe substancje. Inicjatywa AMOS doprowadziła w konsekwencji do rozszerzenia bazy danych DSSTox, poprawiając podstawowe dane wspierające inne bazy danych i aplikacje EPA, takie jak CompTox Chemicals Dashboard3.
W przypadku niektórych cennych informacji dodatkowych wymagane jest ręczne sprawdzanie. W przypadku metod analitycznych parametry eksperymentalne, takie jak granice wykrywalności i oznaczania ilościowego, matryca próbki i metodologia analityczna, nie są zorganizowane w ustandaryzowany sposób, a zautomatyzowane narzędzia nie mogą zidentyfikować tych informacji ze względu na ich niespójne przechowywanie.
Dwa elementy zapisu informacji, media związane z próbką i funkcjonalne zastosowanie analitu, są bardzo istotne dla bieżących wysiłków na rzecz monitorowania zagrożeń i obaw związanych z narażeniem na zanieczyszczenia. W związku z tym wiele uwagi poświęcono uporządkowaniu tych atrybutów w ramach danych rekordowych. Na potrzeby tego projektu opracowano ontologię klasyfikacji użytkowania funkcjonalnego. Ontologia ta organizuje funkcjonalne zastosowania substancji w strukturę hierarchiczną, począwszy od bardziej ogólnych zastosowań "rodzicielskich" do bardziej szczegółowych zastosowań "podrzędnych". Ontologia ułatwia eksplorację substancji z perspektywy zastosowań, wspierając inicjatywy badawcze, które kładą nacisk na zastosowania funkcjonalne jako sposób oceny narażenia i zagrożenia 5,6. Ponadto metody zostały oznaczone zgodnie z kategorią zharmonizowanych pożywek dla ich próbek, zgodnie z bazą danych monitorowania multimediów EPA (MMDB)7. Kategoryzacja ta umożliwia wyszukiwanie substancji chemicznych na podstawie ich występowania w określonych podłożach, usprawniając opracowywanie rozwiązań skoncentrowanych na wykrywaniu substancji chemicznych w określonych próbkach środowiskowych lub biologicznych. Adnotacje te zwiększają integrację AMOS z przepływami pracy zorientowanymi na narażenie i zagrożenia, które są opracowywane w ramach EPA.
Podczas tworzenia widm wyzwanie polegające na przetwarzaniu różnych formatów plików - z których niektóre są tylko nominalnie ustandaryzowane - i analizowaniu towarzyszących metadanych często wymaga niestandardowej obsługi. W przypadkach, gdy kolekcje widmowe są połączone z publikacją, może być konieczne ręczne wyodrębnienie szczegółów udokumentowanych w publikacji w celu załadowania danych. Wysiłki te zaowocowały stworzeniem bazy danych, która integruje i strukturyzuje te rozbieżne widma, co pozwala naukowcom uniknąć konieczności pracochłonnego kuratorowania w przyszłych przedsięwzięciach.
Według stanu na marzec 2025 roku, baza danych zawiera około 935 000 widm, z czego prawie 99% to widma masowe i mniejsze zbiory NMR (~2 000) i IR (~400). Dodatkowo istnieje około 770 000 zewnętrznie połączonych widm (połączonych z bazą danych SpectraBase8), ~36 000 arkuszy informacyjnych i ~7 400 metod analitycznych. Substancje zintegrowane z aplikacją są podzbiorem substancji z bazy danych DSSTox, która jest włączona do CompTox Chemicals Dashboard (CCD) i zawiera ponad 1,2 miliona substancji.

<table><tbody><tr><td>Git</td><td>N/A</td><td>https://git-scm.com/</td><td>System kontroli wersji typu open source.</td></tr><tr><td>Język JavaScript</td><td>N/A</td><td>https://ecma-international.org/publications-and-standards/standards/ecma-262/</td><td>Język programowania.&nbsp; Zdefiniowany zgodnie z międzynarodowymi standardami ECMA.</td></tr><tr><td>PostgreSQL</td><td>Globalna grupa rozwojowa PostgreSQL</td><td>https://postgresql.org/about/licence</td><td>System zarządzania bazami danych typu open source.</td></tr><tr><td>Pyton</td><td>Fundacja oprogramowania Python</td><td>https://www.python.org/</td><td>Język programowania typu open source.</td></tr></tbody></table>

zastosowanie chemininformatyki do opracowania bazy danych metod analitycznych z możliwością przeszukiwania struktury

Applying Cheminformatics to Develop a Structure Searchable Database of Analytical Methods

Metody analityczne mogą obejmować zarówno szczegółowe dokumenty regulacyjne, jak i prostsze podsumowania. Metody regulacyjne mogą obejmować informacje o podatnych analitach, obsługiwanych matrycach, wymaganych odczynnikach, wydajności statystycznej, walidacji międzylaboratoryjnej i innych szczegółach. Podsumowania zazwyczaj zawierają ogólny przegląd odczynników, oprzyrządowania, a często także krótką listę analitów. Metody analityczne stosowane przez organy rządowe Stanów Zjednoczonych, w tym Agencję Ochrony Środowiska Stanów Zjednoczonych (USEPA), U.S. Geological Survey (USGS), Departament Rolnictwa Stanów Zjednoczonych (USDA), Agencję ds. Żywności i Leków (FDA) i inne, oferują szczegółowe informacje proceduralne. Dostawcy urządzeń, tacy jak Agilent, Shimadzu, Thermo Fisher Scientific, Sciex i inni, zapewniają również dostęp do setek not aplikacyjnych, które można uznać za metody podsumowujące. W ramach tego badania opracowano bazę danych metod, w której substancje chemiczne są ekstrahowane z dokumentów dotyczących metod, z identyfikatorami (nazwami i/lub numerami rejestru Chemical Abstracts Service (CASRN)) przypisanymi do struktur chemicznych. Powstała w ten sposób baza danych, zawierająca około 7000 metod, jest przeszukiwana według identyfikatora, struktury chemicznej i podobieństwa strukturalnego, a uzupełnia ją około miliona widm z domeny publicznej (LC/MS, GC/MS, NMR i IR). Aplikacja obsługuje wyszukiwanie metod analitycznych i filtrowanie na podstawie analitów, użycia funkcjonalnego, źródeł metod i innych powiązanych metadanych.

Przedstawione powyżej zrzuty ekranu z programu AMOS pokazują typowe wyniki poszczególnych wyszukiwań w aplikacji, w tym zarówno wyszukiwanie interesujących substancji, jak i przeszukiwanie widm, kart informacyjnych oraz metod. Różnorodność sposobów odpytywania bazy danych ma na celu objęcie najbardziej prawdopodobnych i użytecznych rodzajów wyszukiwań w sposób umożliwiający głębszą analizę danych oraz substancji, których one dotyczą.
Aby ułatwić użytkownikowi wyszukiwanie, wiele funkcji jest ze sobą powiązanych w sposób mający na celu wsparcie głębszej analizy dostępnych danych. Jako przykład przepływu pracy: wizualizacja klasyfikacji zastosowań funkcjonalnych odsyła do widoków metod i kart informacyjnych powiązanych z daną klasą funkcjonalną, z których można wyodrębnić listy substancji i wprowadzić je do wyszukiwania wsadowego lub analizować poszczególne dokumenty, a następnie szczegółowo badać pojedyncze substancje w tych dokumentach. Ponieważ wiele substancji opisanych w metodach posiada w bazie danych eksperymentalne widma mas, pozwala to badaczowi na szybkie przejście od kategorii substancji do zestawu metod i widm, które mogą służyć do wykrywania obecności konkretnej substancji (patrz Rysunek 9).
Ponieważ wyniki będą w znacznym stopniu zależeć od tego, czego poszukiwany jest obiekt oraz od tego, które zapytanie lub zapytania zostaną uruchomione, trudno jest zdefiniować reprezentatywne wyniki dla całej aplikacji. W ogólnym ujęciu dokładniejszym opisem „sukcesu” może być analiza z perspektywy doświadczenia użytkownika; w takim przypadku przyjmuje się oczekiwanie, że następujące założenia będą zazwyczaj prawdziwe: metody wyszukiwania i filtrowania (oraz możliwość przełączania się między różnymi wyszukiwaniami i filtrami) skutecznie pozwalają zidentyfikować podzbiory informacji, których potrzebuje użytkownik, a znalezione przez niego wyniki są dokładne i użyteczne. Rysunek 10 przedstawia przykładowy schemat działania demonstrujący funkcjonalności AMOS.
<img alt="Schemat sieci klasyfikacji zastosowań funkcjonalnych; filtrowanie bazy danych metod; wyniki analiz toksykologicznych." class="xfigimg" src="/files/ftp_upload/68194/68194fig10.jpg" data-altupdatedat="1788840098000" data-alt="Rycina 10"> 
Rycina 10: Przykład przepływu pracy demonstrujący funkcjonalności AMOS. Przepływ pracy rozpoczyna się od klasyfikacji zastosowań funkcjonalnych (leki przeciwchorobom układu oddechowego), filtruje metody związane z lekami przeciwchorobom układu oddechowego we krwi, analizuje jedną konkretną metodę i identyfikuje widma dla substancji zawartej w tej metodzie. <a href="https://www.jove.com/files/ftp_upload/68194/68194fig10large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.</a>

W tym artykule opisano AMOS, internetową bazę danych Analytical Methods and Open Spectra, aplikację cheminoinformatyczną zaprojektowaną w celu zapewnienia naukowcom łatwego dostępu do metod analitycznych i danych spektralnych.

Zastosowanie chemininformatyki do opracowania bazy danych metod analitycznych z możliwością przeszukiwania struktury

Analytical methods can range from detailed regulatory documents to simpler summaries. Regulatory methods may include information on amenable analytes, ...

Chcemy stworzyć łatwy sposób dla naukowców EPA na znajdowanie metod analitycznych z różnych rozproszonych zasobów, tak aby nasi naukowcy mogli spędzać mniej czasu na przeszukiwaniu Internetu, a zamiast tego mieli wyselekcjonowane zasoby zintegrowane z naszym istniejącym systemem informatyki chemicznej. To, co zbudowaliśmy, to zasadniczo lekki system zarządzania dokumentami, który mapuje te dokumenty na wyekstrahowane substancje chemiczne. W rezultacie, tysiące metod analitycznych można przeszukiwać przy użyciu różnych identyfikatorów chemicznych, aby znaleźć metody już zastosowane do wykrywania tych chemikaliów. Nie istnieje żadna inna bezpłatna internetowa baza danych metod analitycznych, którą społeczność mogłaby przeszukiwać w celu uzyskania istniejącej referencyjnej metody analitycznej dla danej substancji chemicznej lub dobrego zestawu warunków wyjściowych dla danej metody. Protokół ten uczy czytelnika, jak używać AMOS do zbierania użytecznych danych, które wspierają prace nad rozwojem metody. Nauczyliśmy się wiele o tym, jak zbierać i integrować dane z metod analitycznych z naszą bazą danych i aplikacją. Agregując te tysiące dokumentów i mapując je do powiązanych z nimi substancji chemicznych, mamy teraz doskonały zestaw danych do zbadania wykorzystania tych dokumentów i rozszerzenia dużego modelu sztucznej inteligencji w dużym języku, który naukowcy mogą przeszukiwać.[Narrator] Aby rozpocząć, przejdź do pola tekstowego w lewym górnym rogu paska nawigacyjnego lub pola wyszukiwania na stronie głównej i wprowadź nazwę substancji, numer rejestru CAS, InChIKey lub identyfikator substancji DSSTox. Naciśnij Enter lub kliknij Wyszukaj, aby przeprowadzić wyszukiwanie. Zaznacz wiersz w tabeli wynikowej, aby wyświetlić skojarzony rekord po prawej stronie strony. Aby przeprowadzić wyszukiwanie wsadowe, wprowadź listę identyfikatorów substancji DSSTox w polu danych wejściowych, umieszczając jeden identyfikator w każdym wierszu. Użyj pól wyboru w obszarze Opcje wyszukiwania, aby filtrować wyniki lub dodawać dodatkowe informacje do rekordów. Kliknij przycisk wyszukiwania u dołu strony, aby wygenerować i pobrać plik arkusza kalkulacyjnego, który zawiera informacje o wszystkich rekordach w bazie danych, które są powiązane z danym wykazem substancji. Po zakończeniu wyszukiwania kliknij Dodatkowe wyszukiwania, a następnie Wyszukiwanie struktury podobieństwa. Wprowadź identyfikator substancji, ustaw minimalne podobieństwo substancji filtra na 0,8 i kliknij przycisk Szukaj, aby uzyskać tabelę zakładek. Następnie wybierz wiersz w tabeli, aby wyświetlić porównanie strukturalne między poszukiwaną substancją a substancją wybraną z tabeli. Aby przeprowadzić wyszukiwanie klasyfikatora, wybierz pierwszy poziom klasyfikacji przy użyciu pola w górnej części strony. Następnie kliknij przycisk poniżej pola, aby wyświetlić listę klasyfikacji dla następnego poziomu. Powtórz ten proces dla drugiego i trzeciego poziomu, za każdym razem wybierając klasyfikację i klikając przycisk, aby kontynuować. Po wybraniu czwartego poziomu należy kliknąć w poniższy przycisk, aby uruchomić wyszukiwanie i wyświetlić listę wszystkich substancji, które należą do wybranych czterech poziomów klasyfikacji klasyfikatora. Przeszukaj bazę danych w poszukiwaniu wszystkich arkuszy informacyjnych i metod, wykonując wyszukiwanie na liście metod i w arkuszach informacyjnych. Po załadowaniu tabeli wyników użyj pól wejściowych u góry każdej kolumny, aby przefiltrować dane według określonych pól. Aby przeprowadzić wyszukiwanie widma masowego, należy wprowadzić zakres masowy dla substancji docelowej w daltonach wraz z marginesem błędu w daltonach lub częściach na milion. Ustaw wartość okna dla piku podobieństwa na 0,05 daltona. Należy wybrać metodologię: chromatografia gazowa ze spektrometrią mas lub chromatografia cieczowa ze spektrometrią mas. Wprowadź widmo masowe jako listę par masa-ładunek i intensywność. Po wypełnieniu wszystkich pól kliknij przycisk Szukaj, aby pobrać listę dopasowań widma masowego z bazy danych na podstawie widma dostarczonego przez użytkownika. Wybierz wiersz w tabeli wynikowej do wyświetlenia spektralnego. Teraz, aby zwizualizować klasyfikację zastosowań funkcjonalnych, użyj pola Wyszukaj klasy, aby przeszukać listę klas użycia funkcjonalnego. Najedź kursorem na nazwę klasy na liście, aby podświetlić odpowiedni węzeł na wykresie. Jeśli eksplorujesz wykres bezpośrednio, umieść kursor na węźle, aby wyświetlić krótki opis klasy i wyróżnić wszystkie bezpośrednie klasy nadrzędne lub podrzędne dla tego węzła. Przedstawiono tutaj trójskładnikowy wykres glebowy klasyfikujący typy tekstur na podstawie proporcji gliny, mułu i piasku z oznaczonymi strefami, takimi jak glina, glina i glina piaszczysta. To narzędzie klasyfikacyjne umożliwiło użytkownikom AMOS powiązanie typów tekstury gleby z odpowiednimi arkuszami informacyjnymi, metodami analitycznymi i widmami eksperymentalnymi, ułatwiając wydajne przepływy pracy od danych o składzie do ukierunkowanych wyszukiwań substancji w oparciu o klasyfikacje funkcjonalne.

applying-cheminformatics-to-develop-structure-searchable-database

Research

JoVE Journal

Chemistry

Chemia

Przedstawiono protokół do badania online relacji sekwencja-struktura-dynamika białek za pomocą Bio3D-web.

Badanie zależności między sekwencją, strukturą i dynamiką białek za pomocą Bio3D-web

Architektura kompleksów białkowych jest niezbędna dla ich funkcjonowania. Połączenie różnych technik spektrometrii mas okazało się skuteczne w badaniu ich składania. Udostępniamy protokoły sieciowania chemicznego i natywnej spektrometrii mas oraz pokazujemy, w jaki sposób te uzupełniające się techniki pomagają wyjaśnić architekturę wielopodjednostkowych zespołów białkowych.

Połączenie chemicznego sieciowania i spektrometrii mas nienaruszonych kompleksów białkowych w celu zbadania architektury wielopodjednostkowych zespołów białkowych

Tutaj prezentujemy protokół sekwencyjnej celowanej kwantyfikacji i nieukierunkowanej analizy związków fluorowanych w wodzie za pomocą spektrometrii mas. Metodologia ta zapewnia ilościowe poziomy znanych związków fluorochemicznych i identyfikuje nieznane substancje chemiczne w powiązanych próbkach wraz z półilościowymi oszacowaniami ich obfitości.

Identyfikacja per- i polifluorowanych związków chemicznych za pomocą połączonego przepływu pracy spektrometrii mas o wysokiej rozdzielczości z ukierunkowanymi i nieukierunkowanymi badaniami przesiewowymi

Ukierunkowana spektrometria mas sieciowania tworzy czwartorzędowe modele struktury białek przy użyciu danych spektrometrii mas uzyskanych przy użyciu maksymalnie trzech różnych protokołów akwizycji. W przypadku wykonywania jako uproszczony przepływ pracy na serwerze internetowym Cheetah-MS wyniki są raportowane w Jupyter Notebook. W tym miejscu pokazujemy techniczne aspekty tego, w jaki sposób można rozszerzyć Jupyter Notebook w celu uzyskania bardziej dogłębnej analizy.

Modelowanie struktury czwartorzędowej za pomocą chemicznej sieciowania spektrometrii mas: rozszerzenie raportów TX-MS Jupyter

Produkty naturalne stanowią obiecujące punkty wyjścia dla rozwoju nowych leków i środków terapeutycznych. Jednak ze względu na dużą różnorodność chemiczną znalezienie nowych związków terapeutycznych z roślin jest trudnym i czasochłonnym zadaniem. Opisujemy uproszczone podejście do identyfikacji cząsteczek przeciwdrobnoustrojowych i antybiofilmu z ekstraktów i frakcji roślinnych.

Systematyczne podejście do identyfikacji nowych cząsteczek przeciwdrobnoustrojowych i przeciwbiofilmowych z ekstraktów i frakcji roślinnych w celu zapobiegania próchnicy zębów

Otwarte wyszukiwanie umożliwia identyfikację glikopeptydów ozdobionych nieznanymi wcześniej kompozycjami glikanów. W tym artykule przedstawiono uproszczone podejście do podejmowania otwartych poszukiwań i późniejszych poszukiwań glikopeptydów skoncentrowanych na glikanie dla próbek bakteryjnych na przykładzie Acinetobacter baumannii.

Zastosowanie otwartych podejść opartych na poszukiwaniach do identyfikacji glikopeptydów Acinetobacter baumannii sprzężonych z O

Celem tego protokołu jest efektywne generowanie i zarządzanie bibliotekami struktur małych cząsteczek za pomocą oprogramowania open-source.

Kuratorstwo obliczeniowych bibliotek chemicznych zademonstrowanych za pomocą alfa-aminokwasów

W tym badaniu wykorzystano strategie in-silico, aby zidentyfikować enumerowaną etrawirynę jako obiecujący środek terapeutyczny dla HIV. Nasze odkrycia dotyczące interakcji molekularnych i dynamiki wspierają racjonalne projektowanie nowych NNRTI jako możliwych alternatyw leczenia HIV.

Ilościowa zależność struktura-aktywność, przewidywanie aktywności i dynamika molekularna nienukleotydowych inhibitorów odwrotnej transkryptazy

Projektowanie białek polega na budowie sekwencji aminokwasów i włączaniu określonych motywów w celu stworzenia funkcjonalnych wariantów. Takie podejście ma kluczowe znaczenie dla opracowania peptydów przeciwdrobnoustrojowych (AMP) do zwalczania patogenów opornych na antybiotyki. W artykule przedstawiono procedurę budowy białek z wykorzystaniem różnych narzędzi bioinformatycznych.

Zastosowanie I TASSER, trRosetta, UCSF Chimera, serwera HADDOCK i lorii HEX do projektowania białek De Novo i In Silico

Opisujemy procedurę profilowania białek śliny za pomocą multipleksowanych układów przeciwciał opartych na mikrosferach. Przeciwciała monoklonalne zostały kowalencyjnie połączone z mikrosferami polimerowymi o wielkości 4,5 μm kodowanymi barwnikiem fluorescencyjnym przy użyciu chemii karmodiimidu. Zmodyfikowane mikrosfery zdeponowano w mikrostudzienkach światłowodowych w celu zmierzenia poziomu białka w ślinie za pomocą fluorescencyjnych testów immunologicznych typu sandwich.

Multipleksowana mikromacierz fluorescencyjna do analizy ludzkich białek śliny przy użyciu mikrosfer polimerowych i wiązek światłowodowych

Poznaj bazę danych AMOS dla metod analitycznych i danych spektralnych w cheminformatyce. To narzędzie ułatwia dostęp do zasobów badawczych i wspiera współpracę naukowców.

Zastosowanie chemininformatyki do opracowania bazy danych metod analitycznych z możliwością przeszukiwania struktury

Przeglądaj więcej filmów