ઉત્પાદનો

ડ્રગ-પ્રેરિત યકૃતની ઇજા એ ડ્રગ એટ્રિશનના મુખ્ય કારણોમાંનું એક છે.દવાઓના ઉમેદવારોની તેમના રાસાયણિક રચનાઓ પરથી યકૃતની અસરોની આગાહી કરવાની ક્ષમતા પ્રાયોગિક દવા શોધ પ્રોજેક્ટ્સને સુરક્ષિત દવાઓ તરફ માર્ગદર્શન આપવામાં મદદ કરવા માટે મહત્વપૂર્ણ છે.આ અભ્યાસમાં, અમે 951 સંયોજનોના ડેટા સેટનું સંકલન કર્યું છે જેમાં માનવો, ઉંદરો અને નોનરોડન્ટ્સનો સમાવેશ કરીને વિવિધ પ્રજાતિઓમાં યકૃતમાં વ્યાપક અસરો પેદા કરવા માટે અહેવાલ છે.લેક્સિકલ અને ભાષાકીય પદ્ધતિઓ અને ઓન્ટોલોજીકલ નિયમોના અનોખા સંયોજનનો ઉપયોગ કરીને MEDLINE એબ્સ્ટ્રેક્ટ્સમાંથી જનરેટ કરાયેલા આ ડેટા સેટ માટે લીવર ઇફેક્ટ્સ અસ્પષ્ટ મેટાડેટા તરીકે મેળવવામાં આવ્યા હતા.અમે પરંપરાગત રસાયણશાસ્ત્રના અભિગમોનો ઉપયોગ કરીને આ ડેટા સેટનું વિશ્લેષણ કર્યું છે અને યકૃતની અસરોના ક્રોસ-પ્રજાતિ સુસંગતતા, મનુષ્યોમાં યકૃતની અસરોના રાસાયણિક નિર્ધારકો અને આપેલ સંયોજનથી મનુષ્યમાં યકૃત અસર થવાની સંભાવના છે કે કેમ તે અંગેના ઘણા પ્રશ્નોને સંબોધિત કર્યા છે.અમે શોધી કાઢ્યું કે વિવિધ પ્રજાતિઓ વચ્ચે યકૃતની અસરોની સુસંગતતા પ્રમાણમાં ઓછી (સીએ. 39-44%) હતી, જે પ્રજાતિની વિશિષ્ટતા રાસાયણિક બંધારણની વિશિષ્ટ વિશેષતાઓ પર આધાર રાખે તેવી શક્યતા ઊભી કરે છે.સંયોજનો તેમની રાસાયણિક સમાનતા દ્વારા ક્લસ્ટર કરવામાં આવ્યા હતા, અને સમાન સંયોજનોની તેમની જાતિ-આધારિત યકૃત અસર પ્રોફાઇલ્સની અપેક્ષિત સમાનતા માટે તપાસ કરવામાં આવી હતી.મોટા ભાગના કિસ્સાઓમાં, સમાન ક્લસ્ટરના સભ્યો માટે સમાન રૂપરેખાઓ જોવા મળી હતી, પરંતુ કેટલાક સંયોજનો આઉટલીયર તરીકે દેખાયા હતા.આઉટલિયર્સ MEDLINE તેમજ અન્ય ડેટા સ્ત્રોતોમાંથી કેન્દ્રિત નિવેદનના પુનર્જીવનનો વિષય હતો.કેટલાક કિસ્સાઓમાં, વધારાના જૈવિક નિવેદનો ઓળખવામાં આવ્યા હતા, જે સંયોજનોની રાસાયણિક સમાનતા પર આધારિત અપેક્ષાઓ સાથે સુસંગત હતા.દાવાઓને વધુ અંતર્ગત રસાયણોના દ્વિસંગી એનોટેશનમાં રૂપાંતરિત કરવામાં આવ્યા હતા (એટલે ​​​​કે, લીવર અસર વિરુદ્ધ કોઈ યકૃત અસર નહીં), અને બાઈનરી ક્વોન્ટિટેટિવ ​​સ્ટ્રક્ચર-એક્ટિવિટી રિલેશનશિપ (QSAR) મૉડલ અનુમાન કરવા માટે બનાવવામાં આવ્યા હતા કે શું સંયોજન માનવમાં યકૃતની અસરો પેદા કરે તેવી અપેક્ષા રાખવામાં આવશે.ડેટાની સ્પષ્ટ વિભિન્નતા હોવા છતાં, મોડેલોએ બાહ્ય 5-ગણી ક્રોસ-વેલિડેશન પ્રક્રિયાઓ દ્વારા મૂલ્યાંકન સારી આગાહી શક્તિ દર્શાવી છે.દ્વિસંગી QSAR મૉડલ્સની બાહ્ય અનુમાનિત શક્તિને મૉડલ વિકસાવ્યા પછી પુનઃપ્રાપ્ત અથવા અભ્યાસ કરવામાં આવેલા સંયોજનો માટે તેમની અરજી દ્વારા વધુ પુષ્ટિ મળી હતી.અમારી શ્રેષ્ઠ જાણકારી મુજબ, રાસાયણિક વિષવિજ્ઞાનના અનુમાન માટે આ પહેલો અભ્યાસ છે જેણે QSAR મોડેલિંગ અને અન્ય રસાયણશાસ્ત્રની તકનીકોને મર્યાદિત મેન્યુઅલ ક્યુરેશન સાથે સ્વયંસંચાલિત ટેક્સ્ટ માઇનિંગ દ્વારા જનરેટ કરાયેલ અવલોકન ડેટા પર લાગુ કરી છે, જે રાસાયણિક વિષવિજ્ઞાન પેદા કરવા અને મોડેલિંગ કરવા માટે નવી તકો ખોલે છે. ડેટા