用小数据集和装饰的形状特征来分化心脏细胞的分子设计.

科学领域:

• 生物化学 生物化学
• 计算生物学 计算生物学
• 干细胞生物学 干细胞生物学

背景情况:

• 由于时间和资源的限制,发现用于干细胞分化的化合物具有挑战性.
• 现有的数据科学方法受限于获得大型培训数据集的困难.
• 需要新的计算策略来加速识别用于细胞分化的小分子.

研究的目的:

• 设计一种用于诱导心肌细胞分化的新型化合物,采用基于数据的方法,使用有限的训练示例.
• 在预测建模中引入和评估用于分子表示的装饰形状描述符.
• 展示一种可行的策略,用于设计干细胞分化协议的化合物,数据有限.

主要方法:

• 在一个小数据集 (80个例子) 上训练的简单回归模型的开发.
• 介绍了整合分子形状和水友性的装饰形状描述器.
• 应用一种新的灵敏度分析来诊断模型过度训练.
• 保守的分子设计策略用于化合物优化.

主要成果:

• 使用装饰形状描述符的模型优于使用标准基于形状描述符的模型.
• 新设计的化合物有效诱导心肌细胞分化,由基因表达分析 (实时PCR) 证实.
• 在人类诱导的多能干细胞 (iPS细胞) 线上成功验证.

结论:

• 已经建立了一个可行的数据驱动策略,用于设计用于干细胞分化协议的化合物.
• 装饰形状描述器方法对于具有有限生物数据的预测建模是有效的.
• 这种方法为加速干细胞研究中发现小分子提供了有价值的工具.