在非人类灵长类动物中使用机器学习和心率可变性分析进行药物诱导的新型预测方法

科学领域:

• 药理学 药理学是指药理学的学科.
• 神经科学是一个神经科学.
• 生物标志物发现发现

背景情况:

• 由于缺乏可靠的预测生物标志物,药物诱导的在药物开发中构成了重大挑战.
• 之前的机器学习研究发现了非人类灵长类动物对GABA_A受体对抗剂诱导的的潜在生物标志物从心率变化 (HRV) 分析中.

研究的目的:

• 为了研究HRV衍生指数的适用性,以预测除了GABA_A受体对抗剂之外的各种产生的.
• 通过测试其对影响自主神经系统的非性药物的反应来评估该指数的特异性.

主要方法:

• 通过遥测植入的男性非人类灵长类动物接受了多种药 (4-aminopyridine, bupropion, kainic acid, ranolazine) 和不同剂量的非药 (atropine, atenolol, clonidine).
• 剂量前期的心电图数据作为机器学习模型的训练数据.
• 用心率变化 (HRV) 分析和多变量统计过程控制来评估使用Q统计衍生指数的性潜力.

主要成果:

• 从Q统计学推导的性指数在4 - 氨基里丁的亚性剂量和性剂量的酸和罗纳拉时增加.
• 布普罗没有改变该指数,直到其发作剂量的三分之一.
• 非性药物 (阿特罗平,阿提诺洛尔,克洛尼丁) 也导致该指数的增加,这表明对自主神经系统波动的敏感性.

结论:

• 开发的指数似乎是自主神经系统活动变化的敏感指标,可能预测药物诱导的.
• 虽然容易产生错误的阳性结果,但该方法在与药理学分析进行化合物选择时提供了有价值的预测见解.