基于分子网络(Molecular Networking, MN)、保形预测(Conformal Prediction, CP)及改进指纹模型的混合物中内分泌干扰物发现方法——应用于非靶向筛查(Non-Targeted Screening, NTS)特征优先级排序

《ANALYTICAL AND BIOANALYTICAL CHEMISTRY》:Molecular networking, conformal predictions and revised fingerprint-based models for discovering endocrine disruptors in mixtures

【字体: 大 中 小 】 时间:2026年01月23日 来源:ANALYTICAL AND BIOANALYTICAL CHEMISTRY 3.8

编辑推荐:

  摘要:在非靶向筛查(NTS)识别环境污染物过程中,对高风险特征进行优先级排序是减少工作量的关键步骤。MS2Tox工具箱中的机器学习模型已在特征优先级排序中展现出潜力,但其严重依赖SIRIUS?+?CSI:FingerID所提供的分子式和指纹特征准确性。本研究提

  
摘要:在非靶向筛查(NTS)识别环境污染物过程中,对高风险特征进行优先级排序是减少工作量的关键步骤。MS2Tox工具箱中的机器学习模型已在特征优先级排序中展现出潜力,但其严重依赖SIRIUS?+?CSI:FingerID所提供的分子式和指纹特征准确性。本研究提出并评估了两种新方法——分子网络(MN)与保形预测(CP),基于串联质谱(MS2)谱图相似性来发现潜在具有内分泌干扰活性的未鉴定化合物。此外,研究人员修订了先前发表的MS2Tox模型,利用分子指纹预测Tox21数据挑战赛七个终点(endpoint)的活性。基于指纹的MS2Tox模型在测试集上达到90%召回率(recall)时假阳性率(False Positive Rate, FPR)最低,为0.35,而MN和CP分别为0.82和0.68。在对废水中转化产物和持久性化学品的案例研究中,三种方法从189个对应转化产物和持久性化学品的液相色谱/高分辨质谱(LC/HRMS)特征中,优先筛选出29个进水和出水样品中与芳烃受体(Aryl Hydrocarbon Receptor, AhR)激动作用可能相关的特征。被优先特征的所有候选结构均显示与AhR结合亲和力相关的骨架。三个特征被鉴定为置信度1级(level 1),展示了联合特征优先级排序策略的应用潜力。
本研究发表于《Analytical and Bioanalytical Chemistry》。环境水样中含数百至上千种化合物,其中内分泌干扰物(Endocrine Disruptors, EDs)对生态及人体健康构成重大威胁。非靶向筛查(Non-Targeted Screening, NTS)结合液相色谱/高分辨质谱(LC/HRMS)可检测大量特征(feature,指特定保留时间下的一级质荷比m/z及对应二级质谱MS2谱图),但仅有不足10%能被结构确证。传统流程需先完成耗时费力的人工结构解析再作毒性评估,效率低下。现有MS2Tox工具虽可直接由MS2预测毒性以辅助特征优先级排序,但其依赖SIRIUS?+?CSI:FingerID推断的分子指纹,若分子式判定偏差或谱图质量差则导致指纹预测失准,误差会传递至下游毒性模型,降低可靠性。为规避此误差传播问题并探索不依赖中间指纹步骤的策略,研究人员引入分子网络(Molecular Networking, MN)与保形预测(Conformal Prediction, CP)两种直接基于MS2谱图相似性的方法,并重新训练基于真实分子指纹的改进版MS2Tox模型,系统比较三类方法在Tox21七个核受体终点及实际废水样品中优先筛选潜在EDs特征的表现。
主要关键技术方法
研究人员收集Tox21 Data Challenge数据集(12,699个化合物,清洗后7,691个独特化合物),选取其中具公开实验正离子模式MS2谱图的4,274个化合物构建MS2数据集,按防聚类(anticlustering)算法拆分为训练集(3,413个化合物)与测试集(861个化合物);另构建7K训练集(6,830个化合物)用于大样本指纹模型。采用三种方法预测七个人核受体相关生化终点(AhR、AR、AR.LBD、ER、ER.LBD、PPAR-γ、芳香化酶抑制Aromatase inhibition):①MN-MS2——以MS2DeepScore计算MS2谱图相似性构建分子网络,通过邻接节点已知活性进行多数投票或加权投票标注未鉴定特征;②CP——以随机森林(Random Forest, RF)为基模型,MS2DeepScore相似度为特征,采用Mondrian保形预测框架给出具校准置信度的分类;③改进MS2Tox——使用SIRIUS standalone fingerprinter直接计算SMILES的标准化分子指纹(替代原rcdk包),以XGBoost训练,分3K与7K两个版本。性能以90%召回率下的假阳性率(FPRTPR=0.9)及50%召回率下假阳性率(FPRTPR=0.5)衡量。实际样品为污水处理厂进水与出水,经LC/ESI/Orbitrap HRMS采集,MS-DIAL处理特征,筛选持久性或转化产物特征后应用三法预测AhR激动活性,并通过SIRIUS?+?CSI:FingerID及谱库匹配获取候选结构,部分以标准品验证(Schymanski level 1)。
Data overview
MS2数据集覆盖了原始数据集的主要化学空间,各终点活性比例与原始集一致(AhR活性占比最高约16%,PPAR-γ最低约3%)。测试集中AhR含108个活性化合物,其活性-活性与活性-非活性Tanimoto相似度分布同训练集一致,具代表性;其余部分终点因活性化合物过少或相似性分布偏移仅作辅助讨论。说明基于AhR终点的跨方法公平比较可行。
Molecular network parameter selection and optimization results
分别测试贪心余弦(greedy cosine)、修正余弦(modified cosine)与MS2DeepScore三种谱图相似性度量,MS2DeepScore与结构Tanimoto相似度相关性最高(R2=0.38)。优化显示MS2DeepScore配多数投票(majority voting)表现最优,最佳相似度阈值因终点而异(AhR为0.5)。MN-FP(基于指纹Tanimoto相似度的分子网络)在各终点FPRTPR=0.5均低于MN-MS2,印证分子指纹较MS2谱图更贴近结构相似性;MN-MS2在FPRTPR=0.9时普遍较高(AhR为0.67–0.84),表明仅靠谱图相似网络不足以可靠捕获内分泌干扰活性相关的多样结构母核(scaffold)。
Conformal predictions
CP模型在设定显著性水平下总体满足预设错误率,但ER.LBD活性类在校准集表现略超容限。低显著性水平(≤0.20)下单标签预测效率(efficiency,即能给出明确活跃/不活跃判断的样本占比)偏低(<80%),说明MS2相似度特征所含信息有限,需在较高显著性水平(如0.30)方可获可接受效率。
Comparative evaluation of prediction approaches using the test set
聚焦AhR终点(测试集n=861,活性108个),指纹基MS2Tox-3K模型FPRTPR=0.5=0.04、FPRTPR=0.9=0.38,显著优于MN-MS2(0.22与0.82)和CP(0.19与0.68)。MS2Tox-7K与MS2Tox-3K性能相近,说明输入特征类型(指纹vs MS2相似度)较训练集规模影响更大。三法在TPR=0.9时有重叠真阳性,TPR=0.5时各有独特识别化合物,暗示方法具互补性。
Case study: wastewater analysis
废水样提取4,375个特征,其中968个具合格MS2谱图,筛出193个关注特征(40个疑似持久性、153个疑似转化产物)。三法均以90%召回阈值预测,MN-MS2与CP各判128个为AhR激动,三者共同判定29个特征潜在AhR激动。此29个特征经SIRIUS及谱库获得候选结构87个,65个含芳香环(苯环),部分含卤代芳环、吲哚、联苯或苯并咪唑骨架——均为文献报道与AhR结合相关结构。以标准品确证卡马西平(carbamazepine)及其转化产物卡马西平-10,11-环氧化物(carbamazepine 10,11-epoxide)达Schymanski level 1,虽Tox21标注卡马西平为非活性而三法均误判其为活性(经SHAP分析归因于含双芳环等MS2Tox重要指纹位),但近期个别研究提示其或为弱AhR激动剂,且其为典型持久性污染物及转化产物,凸显多方法联用价值。另佐匹克隆苯基-4-羧酸(zolpidem phenyl-4-carboxylic acid)经标准品确认为level 1,实验显示AhR无活性,反映MS2相似法存一定假阳性。
Conclusion(结论部分翻译)
本研究探讨了分子网络(MN)、保形预测(CP)及基于指纹的机器学习模型在非靶向筛查(NTS)流程中,于结构解析前优先筛选具潜在内分泌干扰活性LC/HRMS特征的能力。比较表明,仅依靠MS2谱图相似性的方法(MN-MS2与CP)因假阳性率高于基于指纹的MS2Tox模型,不足以可靠预测生物活性,证实引入监督式机器学习及更具信息量的分子指纹训练数据的优势。研究人员将三种优先级排序方法应用于污水处理厂进、出水样品,被优先特征的候选结构均含与AhR相互作用相关的结构骨架,且三法共同预测的二个特征(卡马西平及其环氧化物)达到level 1鉴定。研究表明联合多种属性进行特征优先级排序有益,同时也强调需扩展MS2谱图数据库与可靠毒性标签数据集,以推动机器学习辅助NTS特征优先级排序在复杂混合物分析中的发展。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号