机器学习使得高吞吐量,低复制查新型抗发作标和化合物使用联合运动和光在斑马鱼幼虫的光
Christopher Michael McGraw1, Annapurna Poduri2
1Department of Neurology, Massachusetts General Hospital, Harvard Medical School, Boston, MA, 02115, USA; Department of Neurology, The F.M. Kirby Neurobiology Center, Boston Children's Hospital, Harvard Medical School, Boston, MA, 02115, USA; Department of Neurology, Feinberg School of Medicine, Northwestern University, USA.
European journal of pharmacology
|February 6, 2025
概括
我们开发了一种新的高通量方法,使用斑马鱼选新的抗发作药物 (ASM). 这种方法结合了运动和光数据,以实现准确和高效的药物发现.
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.
- 生物技术是生物技术.
背景情况:
- 开发新的抗发作药物 (ASM) 是一个挑战,因为目前的动物模型和查试验的局限性.
- 现有的斑马鱼对ASM的测定在检测完整性 (机动力测定) 或吞吐量 (电生理学,光显微镜) 上有局限性.
研究的目的:
- 开发和验证一种新的高通量选方法,用于识别使用斑马鱼的潜在抗发作药物.
- 整合发动机和光学数据,以便更好地检测类似发作的活动.
主要方法:
- 幼虫斑马鱼被监测在一个96井板格式使用自定义软件跟踪运动和的光变化.
- 经过弹性净回归训练的后勤分类器被用来区分由乙 (PTZ) 诱导的类似活动.
- 组合 (运动+光) 与单个数据分类器的性能进行了比较.
主要成果:
- 与只有运动 (PTZ M) 或只有光 (PTZ F) 的分类器相比,集成运动和光数据的分类器 (PTZ M + F) 实现了更高的性能 (AUC-ROC: 0.98;F1: 0.912).
- 类似发作事件的发生率随着PTZ度的增加而增加,并通过酸 (VPA) 减少.
- 综合分类器检测到已知的ASM的影响,在5种测试药物中,有4种药物在选中被确定.
结论:
- 这种新的高通量方法有效地结合了运动运动和光分析,以进行基于斑马鱼的强大抗发作药物查.
- 这种综合方法为发现新的抗药物提供了更高的准确性和效率.
- 该方法证明了在小样本大小下可靠检测ASM效应的统计能力.
