Ames Test 致突变性预测模块
Mutagenicity(以下简称Ames Test ) 是Impurity Profiling Suite软件包的一个组成部分，属于Percepta平台下的功能模块，对化合物的Ames Test进行预测。
01 介绍
Impurity Profiling Suite 包含Mutagenicity 和Impurity Profiling（点击查看Impurity Profiling模块使用指南）两个功能模块。
Ames Test是一种标准的短期细菌反向突变试验，广泛用作新化学实体诱变潜力的初始筛选。虽然体外Ames Test不能替代体内DNA损伤/致癌性研究，但任何表现出阳性Ames Test结果的化合物都极有可能在体内致癌。
Ames Test模块能够快速而又准确地预测目标化合物诱变潜力，令研究者能快速的对目标物进行毒性风险的评估。以此可以进行化合物的筛选或者在进行基因毒实验之前评估其必要性。应用得当时，可以在药物开发的早期取代一些体外细菌诱变实验以节省成本。药物开发后期，毒理研究将更为深入细致，单纯的Ames Test预测有所不足，因此应使用Impurity Profiling Suite 进行多重assay的评估以控制风险。
ACD/Labs 的Ames Test模型是可以训练的，意味着可以用用户自己的数据提升软件的应用范围。用自己单位的化合物数据进一步优化模型能够提高模型的适用性和专属性。
02 功能特点
计算目标物的Ames Test的阳性的可能性，用置信指数（RI）表明此次预测的可信度。
置信指数表示对预测的自信度。高的置信指数表示预测精度会很好，而低的置信指数表示在训练集数据里没有类似的化合物。
用颜色来表示分子结构中原子对毒性贡献的大小的区别，比如红色为与基因毒有关而绿色表示与基因毒无关。如果研究者要进一步了解警示结构的分离及其特征，请使用Impurity Profiling Suite. Ames Test 模型未对此进行分类分析。
Ames Test模型在进行对目标物进行预测时，会从训练集数据库里抽取5个最类似的分子提供研究员做参考。除此之外Ames Test数据库本身也是可以浏览的，其中每个分子进行过的对应的细菌细胞系研究的数据都能进行查看，还包括代谢激活或者未进行代谢激活的情况以及其他的有关细节。
用户自定义的数据可以添加到自训练数据库里的，这样能够提高类似化合物的预测精度。
03 界面
4. "Configure"和"Train"按钮可以配置用于计算的训练集以及可以向模型添加数据
5. 显示training set里最相似的5个化合物的结构，CAS号，结论（positive, negative, weakly positive, inconclusive）
04 数据解析和归类
在Ames Genotoxicity 数据库中，如果化合物在至少一种有或没有代谢激活的测试菌株中表现出明显的阳性结果，则该化合物被归类为Ames阳性。在所有测试菌株中不增加回复突变频率的化合物被认为是安全的（Ames阴性）。一些始终表现出弱诱变活性的化学物质被标记为弱阳性，而在那些不同研究结果不一致的情况下，相应的化合物被标记为不确定。
05 数据建模和预测精度介绍
Ames致突变性的预测模型是使用GALAS（Global, Adjusted Locally According to Similarity)）建模方法得出的。
GALAS方法还提供了通过计算的可靠性指数(RI)值来估计预测可靠性的基础，该值考虑了：
测试化合物与训练集分子的相似性（如果未发现类似化合物，则预测不可靠）。
训练集中最相似化合物的实验值和基线模型预测的一致性（相似分子的差异数据，即邻近化合物的 Ames 阳性和 Ames 阴性交替出现导致较低的 RI 值）。
可靠性指数范围从0到1（0对应完全不可靠，1- 高度可靠的预测），并指示提交的化合物是否属于模型适用范围。获得预测值RI< 0.3 的化合物被认为不在模型的适用范围内。
Percepta将化合物分类为基因毒性或非基因毒性非常准确：模型验证结果表明，如果不确定（0.2 < p < 0.8) 和不可靠的(RI< 0.3) 预测不被考虑。如果使用0.5的概率阈值，错误预测的数量仍然仅略超过测试集的10%。如果仅考虑中等和高可靠性(RI> 0.5) 的预测，则错误分类的化合物和不确定预测（计算的概率在0.2-0.8范围内）的百分比也会显着降低（见下表）。
以上统计数据适用于内置“Ames Test v. 1.2”自训练库的诱变预测算法。 当前版本使用更新的“Ames Test v. 1.3”库，该库已经扩展了从监管报告中获得的大约 1700 种化合物的实验数据（大小增加了 20%）。 新数据的加入提高了对新型上市药物以及类药物化合物的杂质和降解物的预测准确性和可靠性。
v2018.1内部数据库扩展中使用的新化合物的AMES测试预测灵敏度、特异性和准确性的改进