Un método de análisis basado en el aprendizaje automático para el cribado de alto contenido de moléculas pequeñas de...

Área de la Ciencia:

• Morfología celular
• Descubrimiento de drogas
• Cultivo celular en 3D

Sus antecedentes:

• Los perfiles morfológicos celulares multiparámetros y los modelos biológicos 3D ofrecen ideas para el descubrimiento farmacéutico.
• La combinación de estos enfoques es relativamente poco explorada.

Objetivo del estudio:

• Validar un método de detección de perfiles morfológicos celulares multiparámetros utilizando esferoides de glioblastoma U87 en 3D.
• Caracterizar los compuestos de referencia y examinar una biblioteca de inhibidores de la cinasa.

Principales métodos:

• Cultivo de esferoides 3D, imágenes automatizadas, segmentación de imágenes y aprendizaje automático para perfiles morfológicos.
• Comparación con el ensayo de viabilidad de CellTiter-Glo.
• Experimentos de concentración y respuesta y análisis del mecanismo de acción.

Principales resultados:

• Validación del método mediante la caracterización de 7 compuestos anticancerígenos de referencia.
• Se examinaron 925 compuestos de la vía de la quinasa, identificando moléculas activas mediante perfiles morfológicos.
• Fenotipos confirmados y morfología correlacionada con viabilidad celular, revelando mecanismos de acción distintos.

Conclusiones:

• El método desarrollado distingue eficazmente los cambios estructurales esferoides inducidos por compuestos anticancerígenos.
• Se han identificado nuevos mecanismos potenciales de acción de fármacos candidatos para el glioblastoma.
• Avanza en la búsqueda de terapias más efectivas para el glioblastoma a través del cribado fenotípico.