使用卷积神经网络图像解码对质母细胞瘤单球体培养物的纵向药物协同作用评估
Anna Giczewska1, Krzysztof Pastuszak1,2,3, Megan Houweling4,5,6
1Laboratory of Translational Oncology, Intercollegiate Faculty of Biotechnology, University of Gdańsk and Medical University of Gdańsk, Gdańsk, Poland.
Neuro-oncology advances
|December 4, 2023
概括
这项研究引入了一种新的方法,使用机器学习和神经圈成像来监测18天的药物相互作用,揭示了质母细胞瘤药物组合的持续协同效应.
科学领域:
- 在瘤学瘤学.
- 药理学 药理学是指药理学的学科.
- 生物技术是生物技术.
背景情况:
- 药物组合对于治疗质母细胞瘤,一种具有挑战性的脑癌,至关重要.
- 随着时间的推移,评估药物相互作用对于预测疗效和预防耐药性至关重要.
- 目前用于纵向监测药物相互作用的方法有限.
研究的目的:
- 在质母细胞瘤模型中开发和验证一种用于大规模并行监测药物相互作用的新方法.
- 在18天的时间内,评估3D神经圈中药物相互作用的时间动态.
- 为了识别具有针对质母细胞瘤的持久作用的协同药物组合.
主要方法:
- 开发了一种方法来监测16种药物组合在3种质母细胞瘤模型中的18天.
- 通过在多个时间点 (8日,11日,15日和18日) 的图像信息来估计神经圈的生存能力.
- 机器学习被用来将图像数据解码成可行性值,与CellTiter-Glo 3D测量相关.
主要成果:
- 开发的方法成功地从神经圈图像中预测了细胞活力,从而实现了纵向评估.
- 在18天的时间窗口中监测药物相互作用.
- 几种药物组合表明了随着时间的推移明显和持久的协同作用.
结论:
- 这种新的方法可以在3D神经圈中进行纵向药物相互作用评估.
- 这种方法为药物组合的时间效应提供了新的见解.
- 这些发现可以帮助确定更有效的质母细胞瘤治疗方法.
