机器学习加速了从天然产品中选骨质细胞分化抑制剂的选

科学领域:

• 生物化学和药理学 生物化学和药理学
• 计算生物学和生物信息学
• 自然产品化学 自然产品化学

背景情况:

• 骨质疏松症的治疗和预防通常依赖于抑制骨质细胞分化的天然产品.
• 鉴定骨质细胞分化的传统方法需要手动显微镜检查染色细胞,这耗时且主观.
• 需要客观,高通量方法来选天然产品的抗骨质疏松活性.

研究的目的:

• 开发和验证一个监督的机器学习模型,用于从未染色的明亮场显微镜图像中对骨质细胞分化进行分类.
• 利用开发的自然产品库高通量选模型来识别骨质细胞分化新型抑制剂.
• 建立一种新,高效,客观的方法来评估天然产品对骨质细胞分化抑制作用.

主要方法:

• 一个受监督的机器学习模型被训练来分类骨质细胞的明亮场显微镜图像,而不需要染色.
• 该模型的有效性通过选已知的化合物库来验证,成功识别了骨质细胞分化抑制剂.
• 使用机器学习模型选了公司内部的真菌提取物库,从而确定了皮诺利多素作为一种抑制剂.

主要成果:

• 机器学习模型准确地从未染色的图像中对骨质细胞分化进行了分类,证明了其对客观评估的潜力.
• 对化合物库的选证实了该模型识别骨质细胞分化抑制剂的能力.
• 该研究使用人工智能驱动的方法成功地将菌提取物中的皮诺利多克辛确定为骨质细胞分化的新型抑制剂.

结论:

• 本研究提出了第一个机器学习分类模型,用于评估天然产品对骨质细胞分化抑制活性.
• 开发的AI方法为选天然产品提供了准确,客观和高通量方法,加速了骨质疏松症治疗方法的发现.
• 这些发现突显了机器学习在自然产品研究中的潜力,用于药物发现和开发,特别是对于骨质疏松症.