一个机器学习和活细胞成像工具包揭示了诱导脂症的小分子
Huabin Hu1, Amelie Tjaden2, Stefan Knapp2
1Centre for Cancer Drug Discovery, Division of Cancer Therapeutics, The Institute of Cancer Research, London, UK; Science for Life Laboratory, Department of Cell and Molecular Biology, Uppsala University, BMC, Box 596, SE-751 24 Uppsala, Sweden.
Cell chemical biology
|October 5, 2023
概括
药物诱导的脂症 (DIPL) 可以引起不良影响,并影响研究. 这项研究提出了一种新的活细胞成像方法,使用机器学习来预测和量化DIPL,改善药物发现和化学探针验证.
科学领域:
- 细胞生物学 细胞生物学
- 药物发现 药物发现 药物发现
- 毒理学 毒理学 毒理学
背景情况:
- 药物诱导脂症 (DIPL) 涉及溶酶体脂积累,导致不良临床影响.
- DIPL可以干扰使用化学探针的功能研究中的表型反应,影响研究准确性.
研究的目的:
- 在药物发现过程中开发可靠的方法,用于早期预测和量化脂症 (PL).
- 评估化学探针的PL诱导潜力及其在目标验证中的相关性.
主要方法:
- 使用高含量活细胞成像方法来评估PL.
- 机器学习模型经过训练和评估,使用了一套全面的公共组合.
- 哈普利添加式解释 (SHAP) 用于模型解释.
主要成果:
- 开发的方法成功评估了化学基因组和 lysosomal 调制库.
- 分析显示,密切相关的分子,包括化学探针及其控制器,可以表现出不同的PL感应潜力.
- 这项研究强调了在化学生物学中识别PL的关键需求.
结论:
- 一种多功能的高内容活细胞成像和机器学习方法可以有效地预测和量化DIPL.
- 准确的PL评估对于可靠的目标验证和强大的化学生物学研究至关重要.
- 这种方法有助于早期识别潜在的毒品负债,并确保化学探针的质量.
更多相关视频
11:38Author Spotlight: Enhancing PSC-to-Functional Cell Differentiation Using ML Models Based on Live-Cell Bright-Field Imaging
Published on: October 4, 2024
614
06:16Author Spotlight: Unraveling the Pathogenesis of Age-Related Macular Degeneration and Discovering Potential Therapies
Published on: July 28, 2023
2.6K