基于图像的高内容查和深度学习用于检测抗炎药物,导致抗炎药物
Tannia A Lau1, Elmar Mair2, Beverley M Rabbitts1
1Department of Chemistry and Biochemistry, University of California Santa Cruz, Santa Cruz, CA 95064, USA.
Chembiochem : a European journal of chemical biology
|October 10, 2023
概括
我们开发了一种人工智能支持的图像分析方法,以选抗炎潜力的化合物. 这种方法通过分析细胞对巨细胞中脂多糖化物 (LPS) 刺激的反应来确定新的药物.
科学领域:
- 免疫学 免疫学 免疫学
- 药理学 药理学是指药理学的学科.
- 计算生物学 计算生物学
背景情况:
- 天生的免疫反应,特别是由脂聚糖 (LPS) 激活巨细胞,是抗炎药物发现的关键目标.
- 识别调节这种反应的新型化合物需要有效的选方法.
研究的目的:
- 开发和验证基于图像的高内容查平台,用于识别新型抗炎化合物.
- 利用深度学习来分析由LPS刺激引起的细胞形态变化.
主要方法:
- 一个基于图像的高内容屏幕,使用与LPS.刺激的小鼠巨细胞 (RAW264.7).
- 在光显微镜图像上训练的深度神经网络分类器的开发,以检测LPS诱导的表型.
- 使用线性分类器和多重化细胞因子分泌试验验证顶部结果的验证.
主要成果:
- 选了2,259种生物活性化合物,确定了12个有效的结果,调节了细胞因子表达.
- 七个成功被确定为基激活蛋白激酶激酶 (MEK1/2) 的全抑制剂.
- 深度学习模型有效地区分了非刺激的和LPS刺激的巨细胞.
结论:
- 开发的深度学习形态测试有效地识别了调节对LPS的先天免疫反应的化合物.
- 这个平台显示出加速发现新的抗炎药物线索的希望.
