释放细胞涂料测试对化合物活动和危险预测的潜力
Floriane Odje1, David Meijer2, Elena von Coburg3
1Data Driven Drug Design, Center for Bioinformatics, Saarland University, Saarbrücken, Germany.
Frontiers in toxicology
|August 1, 2024
概括
细胞涂漆 (CP) 试验产生了丰富的成像数据,用于预测化合物活性和毒性. 将CP数据与机器学习模型集成加快了药物发现,减少了动物试验.
科学领域:
- 生物技术是生物技术.
- 计算生物学 计算生物学
- 毒理学 毒理学 毒理学
背景情况:
- 细胞绘画 (CP) 是一个强大的基于成像的高通量表型分析 (HTPP) 工具.
- 它为*in silico*预测化合物活动和药物发现中的危险提供了全面的数据.
- CP允许在单细胞水平上对数千种化合物的分子机制进行快速,多重的研究.
研究的目的:
- 审查基于CP的表型数据与机器学习 (ML) 和深度学习 (DL) 模型的整合.
- 预测人类疾病终点的复合活性,并确定作用模式 (MoA).
- 突出CP测试在指导治疗开发和风险评估方面的潜力,同时尽量减少动物试验.
主要方法:
- 在药物发现和毒理学中应用CP测试的文献综述.
- 讨论将CP表型数据与结构信息整合到ML/DL模型中.
- 分析CP数据分析和财产预测中的挑战和机遇.
主要成果:
- 与ML/DL模型相结合的CP测定显示出预测化合物活动和MoA的前景.
- 这种方法可以加速治疗开发和风险评估.
- 成功的整合可以减少对传统动物试验方法的依赖.
结论:
- 将细胞绘画数据与ML / DL模型集成对于推动药物发现和毒理学至关重要.
- 释放CP评估的全部潜力需要解决数据分析和模型开发的当前挑战.
- 这种协同方法有望在理解细胞对化合物的反应方面取得重大进展.
