编辑推荐：
新型精神活性物质（NPS）给毒理学带来挑战，因其缺乏分析和代谢数据。研究人员对比 GLORYx 等四种计算机模拟预测工具对 7 种 NPS 代谢的预测效果。结果显示各工具各有优劣，联合使用可提升预测可靠性，为 NPS 代谢研究提供新视角。
在当今社会，新型精神活性物质（New Psychoactive Substances，NPS）如同隐藏在暗处的 “幽灵”，给临床和法医毒理学带来了巨大挑战。NPS 是一类旨在模仿大麻、摇头丸等非法药物药理作用的娱乐性药物，涵盖合成大麻素、合成卡西酮等多个类别 。由于其新颖性，在毒理学研究中，初始阶段往往缺乏关于母体分子的关键分析数据，如精确质量、MS/MS 数据和保留时间，代谢数据更是稀少。然而，代谢数据对于确定 NPS 的消费标志物至关重要，特别是当母体分子在生物基质中难以检测时。传统的代谢研究方法，如使用人体生物样本、动物模型和体外研究，虽各有优势，但也面临着样本获取困难、伦理问题以及种间差异等诸多限制。在这样的背景下，计算机模拟代谢预测算法应运而生，为探索 NPS 代谢提供了新的途径。但目前，针对此类软件在 NPS 代谢预测方面的比较研究却非常有限。
为了填补这一空白，法国雷恩大学医院（CHU Rennes）等机构的研究人员开展了一项极具价值的研究。他们选取了 7 种属于 5 个主要化学家族的 NPS，运用 4 种开放获取的软件工具 GLORYx、BioTransformer 3.0、SyGMa 和 MetaTrans，对这些 NPS 的代谢进行预测，并与文献中的数据进行对比。研究结果表明，不同软件的预测能力差异显著。SyGMa 预测出的代谢物数量最多，在预测 II 相代谢物方面表现突出；GLORYx 能识别出独特的谷胱甘肽结合物；BioTransformer 3.0 在预测 I 相反应上较为有效；而 MetaTrans 预测的代谢物数量最少，且未预测出 II 相代谢物。综合来看，没有单一工具能够提供完整准确的预测，将四种工具结合使用，可以显著提高代谢物的覆盖范围，更准确地识别出关键生物标志物，这一成果为 NPS 代谢研究开辟了新的方向，对毒理学调查意义重大，该研究成果发表在《Archives of Toxicology》杂志上。
在研究方法上，研究人员首先选取了文献中常报道且代谢情况描述准确的 7 种 NPS。利用从 PubChem 获取的 NPS 的 SMILES 字符串，借助 GLORYx、BioTransformer 3.0、SyGMa 和 MetaTrans 这 4 种软件进行代谢物预测。同时，通过在 PubMed、Google Scholar 和 Web of Science 数据库进行文献检索，收集 NPS 代谢的相关数据，以便与软件预测结果对比 。
研究结果主要包括以下几个方面：
- 不同软件预测代谢物数量差异大：SyGMa 预测出 437 种代谢物，数量最多；GLORYx 为 191 种；BioTransformer 3.0 是 91 种；MetaTrans 最少，仅 80 种。MetaTrans 未预测出 II 相代谢物，BioTransformer 3.0 仅为 3 种 NPS 预测出 II 相代谢物，GLORYx 的 II 相代谢物也较少，而 SyGMa 的 II 相代谢物多达 260 种12。
- 各软件预测的生物转化反应各有特点：所有软件都能预测出如羟基化 / 氧化和脱烷基化等 I 相反应，但 BioTransformer 未预测出羧化反应。在 II 相反应中，硫酸化反应仅由 SyGMa 和 GLORYx 预测到，谷胱甘肽结合物仅 GLORYx 在预测 4 - Cl - PVP 和 Adinazolam 时出现3。
- 与文献数据对比情况各异：对于 Eutylone，软件预测出文献中 16 种代谢物中的 7 种，SyGMa 能预测出关键生物标志物；4 - Cl - PVP 的 15 种文献代谢物中，软件组合预测出 6 种，SyGMa 可预测出重要标志物 M8；2F - DCK 的 20 种文献代谢物中，软件共预测出 8 种，SyGMa 是唯一能预测 II 相代谢物的软件；Etonitazepipne 的 23 种文献代谢物中，软件预测出 14 种，SyGMa 可预测出关键 II 相代谢物；Adinazolam 的 4 种文献代谢物中，软件预测出 2 种；Hexahydrocannabinol 的 21 种文献代谢物中，软件预测出 11 种，多数由 SyGMa 预测；ADB - Fubinaca 的 23 种文献代谢物中，软件预测出 7 种456。
研究结论和讨论部分指出，计算机模拟预测工具为探索 NPS 代谢提供了高效、经济的方法。虽然各软件存在局限性，但联合使用可优势互补，提高预测的可靠性，增加识别出可靠消费生物标志物的可能性。不过，这些工具目前还无法完全取代体外和体内实验。未来，将人工智能和机器学习技术整合到下一代预测工具中，有望提升预测的准确性，减少误报，更精准地预测复杂代谢途径，助力毒理学研究，实现对新兴 NPS 的早期检测和特征描述。这项研究为 NPS 代谢研究以及毒理学领域的发展提供了重要的参考和方向，推动了相关领域的进一步探索和创新。
