Metabolite Structure Assignment Using In Silico NMR Techniques.
Metabolite Structure Assignment Using In Silico NMR Techniques.
复制标题
DOI：
10.1021/acs.analchem.0c00768
复制
发表时间：
2020-08-04
影响因子：
7.4
通讯作者：
Merz KM Jr
中科院分区：
文献类型：
--
作者：
Das S;Edison AS;Merz KM Jr
代谢组学分析的一个主要挑战是获得在样品中检测到的代谢物的明确鉴定。在代谢组学技术中，NMR光谱是一种复杂、强大且普遍适用的光谱工具，可用于确定新分离的生物分子的正确结构。然而，使用计算NMR技术的准确结构预测取决于考虑了特定化合物的相关构象空间的多少。当代谢物的构象空间很大时，使用高水平DFT计算NMR化学位移具有内在的挑战性。在这项工作中，我们使用机器学习模型结合标准DFT方法开发了NMR化学位移计算协议。该流水线包括以下步骤：（1）使用基于力场（FF）的方法生成构象，（2）使用ASE-ANI机器学习模型过滤FF生成的构象，（3）基于结构相似性对优化的构象进行聚类以识别化学独特构象，（4）独特构象的DFT结构优化和（5）DFT NMR化学位移计算。该方案可以使用DFT理论、溶剂模型和NMR活性核的任何可用组合，使用用户选择的参比化合物和/或线性回归方法计算一组分子的NMR化学位移。我们的协议减少了2个数量级的整体计算时间（见图1）的方法，使用完全从头算方法优化构象，同时仍然产生良好的协议与实验观察。完整的协议是这样的方式，使得化学位移的计算易于处理的大量的构象灵活的代谢产物的设计。
A major challenge for Metabolomic analysis is to obtain an unambiguous identification of the metabolites detected in a sample. Among metabolomics techniques, NMR spectroscopy is a sophisticated, powerful and generally applicable spectroscopic tool that can be used to ascertain the correct structure of newly isolated biogenic molecules. However, accurate structure prediction using computational NMR techniques depends on how much of the relevant conformational space of a particular compound is considered. It is intrinsically challenging to calculate NMR chemical shifts using high level DFT when the conformational space of a metabolite is extensive. In this work, we developed NMR chemical shift calculation protocols using a machine learning model in conjunction with standard DFT methods. The pipeline encompasses the following steps: (1) conformation generation using a force field (FF) based method, (2) filtering the FF generated conformations using the ASE-ANI machine learning model, (3) clustering of the optimized conformations based on structural similarity to identify chemically unique conformations, (4) DFT structural optimization of the unique conformations and (5) DFT NMR chemical shift calculation. This protocol can calculate the NMR chemical shifts of a set of molecules using any available combination of DFT theory, solvent model, and NMR-active nuclei, using both user-selected reference compounds and/or linear regression methods. Our protocol reduces the overall computational time by 2 orders of magnitude (see Figure 1) over methods that optimize the conformations using fully ab initio methods, while still producing good agreement with experimental observations. The complete protocol is designed in such a manner that makes the computation of chemical shifts tractable for a large number of conformationally flexible metabolites.
登录
查看更多内容
影响因子：
4
作者：
Bingol, Kerem;Li, Da-Wei;Bruschweiler-Li, Lei;Cabrera, Oscar A.;Megraw, Timothy;Zhang, Fengli;Brueschweiler, Rafael
通讯作者：
Brueschweiler, Rafael
蛋白结合的抗alzheimer药物多奈替齐的构象分析和平行QM/MM X射线细化。
影响因子：
5.5
作者：
Fu, Zheng;Li, Xue;Miao, Yipu;Merz, Kenneth M., Jr.
通讯作者：
Merz, Kenneth M., Jr.
影响因子：
5.5
作者：
Fu, Zheng;Li, Xue;Merz, Kenneth M., Jr.
通讯作者：
Merz, Kenneth M., Jr.
DOI：
10.2174/2213235x04666160407212156
发表时间：
2016-08
期刊：
Current Metabolomics
影响因子：
--
作者：
Clendinen CS;Stupp GS;Wang B;Garrett TJ;Edison AS
通讯作者：
Edison AS
影响因子：
4.4
作者：
BECKE, AD
通讯作者：
BECKE, AD