虚拟板:从高内容屏幕中获得最佳效果
Inbal Shapira Lots1, Iris Alroy1
1Anima Biotech Ltd., 2 Shoham St., Ramat Gan 5251003, Israel.
SLAS discovery : advancing life sciences R & D
|November 30, 2023
概括
高含量选 (HCS) 面临着数据变化和分析方面的挑战. 本研究引入了一种使用虚拟板概念的自动化方法,以改善在HCS活动中检测和救援失败的井口.
科学领域:
- 药物的发现和开发.
- 细胞生物学和成像技术
- 生物信息学和计算生物学
背景情况:
- 高内容选 (HCS) 是一种使用大型复合库的关键高吞吐量选方法.
- 机器学习和人工智能增强了HCS图像分析,将细胞表型与疾病相关途径联系起来.
- HCS活动面临的挑战包括有限的复制品,试剂稀缺,批量可变性,长时间处理和图像质量下降.
研究的目的:
- 为应对HCS数据分析和命中检测方面的挑战.
- 在HCS.中引入一个用于HCS.中稳健匹配识别的自动化方法.
- 提高HCS活动的效率和可靠性.
主要方法:
- 开发一种自动化方法,用于HCS击中分析和检测.
- 实施一个记录的统计框架来进行命中选择.
- 介绍虚拟板概念,从不同板块对井进行对比.
主要成果:
- 虚拟板概念使得受技术故障影响的复合井的救援和分析成为可能.
- 自动击中检测通过将击中数据整合到单个虚拟板块来更轻松地访问击中数据.
- 该方法提供了一个记录的统计框架,用于改进HCS数据分析.
结论:
- 自动化HCS命中分析方法提高了数据利用率,克服了常见的实验挑战.
- 虚拟板概念提供了一种新的解决方案,用于管理HCS中的可变性和改进击中识别.
- 这种方法支持更可靠,更有效的药物发现查过程.


