在斑马鱼幼虫中对神经活性药物的深度表型分析

科学领域:

• 神经科学是一个神经科学.
• 药理学 药理学是指药理学的学科.
• 机器学习 机器学习

背景情况:

• 小分子的高通量选对于识别神经活性化合物至关重要.
• 斑马鱼的行为测试为研究与哺乳动物相关的神经活动提供了一个强大的模型.

研究的目的:

• 开发和验证用于分析斑马鱼行为概况的深度度度度学习模型.
• 识别具有潜在治疗应用的新型神经活性分子.
• 评估模型的概括和执行脚手架跳跃的能力.

主要方法:

• 使用行为性幼虫斑马鱼测试对650种中枢神经系统活性化合物的库进行选.
• 在高复制性行为数据上训练深度度度度学习模型.
• 实施严格的精明随机化,以减轻实验工件.
• 验证模型预测使用体外放射性连接物结合测试对人类蛋白质标进行验证.

主要成果:

• 深度度度学习模型在分析行为概况时显著超过相关距离.
• 该模型展示了对类似药物化合物的直角数据集的概括.
• 未来的验证实现了神经活性化合物的58%的成功率,显示了脚手架跳跃能力.
• 识别了具有多样化化学支架的神经活性化合物.

结论:

• 深度度度学习为分析复杂的表型查数据提供了强大的方法.
• 斑马鱼的行为屏幕与度量学习相结合,对于发现具有多种支架的神经活性分子是有效的.
• 这种方法加速了药物发现,使得有效的架跳跃和识别新的治疗线索.