在高内容图像上的基于逻辑的机械机器学习揭示了药物如何差异调节心脏纤维细胞

科学领域:

• 心血管生物学 心血管生物学
• 细胞生物学 细胞生物学
• 药理学 药理学是指药理学的学科.

背景情况:

• 纤维细胞是心脏损伤后细胞外基质沉积的关键调节者,在纤维化期间表现出塑性表型.
• 了解抗纤维化药物如何影响纤维细胞表型对于开发有效的心脏纤维化治疗至关重要.

研究的目的:

• 调查候选抗纤维细胞药物如何差异调节心脏纤维细胞表型.
• 通过一种新的机器学习方法,确定心脏纤维化潜在的治疗机制.

主要方法:

• 在TGFβ和/或IL-1β刺激下,用13种药物治疗的人类心脏纤维细胞的高含量显微镜查.
• 在137个单细胞特征中分析了表型数据,以训练基于逻辑的机械机器学习模型 (LogiMML).
• 关于药物诱导信号通路的LogiMML预测的实验验证.

主要成果:

• 根据LogiMML的预测,pirfenidone和Src抑制剂WH-4-023对actin线索和应力纤维形成的影响.
• 验证的LogiMML预测:PI3K抑制调解Src抑制效应,减少应力纤维和I.
• 通过PI3K作用的Src抑制被确定为心脏纤维化的潜在治疗策略.

结论:

• 一种结合基于逻辑的网络和回归的新型建模方法成功预测了纤维细胞中的药物机制.
• 由PI3K介导的Src抑制显示出作为心脏纤维化向治疗的潜在潜力.
• 这项研究提供了关于纤维细胞生物学和与治疗纤维性心脏病相关的药物机制的见解.