相关实验视频
Updated: Sep 15, 2025
09:55
Neuroimaging-Guided TMS–EEG for Real-Time Cortical Network Mapping
Published on: June 13, 2025
1.1K
深度学习增强了对大脑活动图的破译,以发现治疗大脑疾病的治疗方法
Xianrui Zhang1, Zhen Liu2, Xuan Luo2
1Department of Biomedical Science, City University of Hong Kong, Kowloon, Hong Kong SAR 999077, China.
iScience
|July 18, 2025
概括
研究人员开发了DeepBAM,这是一个使用斑马鱼大脑活动地图进行药物发现的AI平台. 这个系统准确地预测了潜在的神经治疗药物,有助于寻找治疗大脑疾病的方法.
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.
- 人工智能的人工智能
背景情况:
- 对大脑疾病的药物发现是具有挑战性的.
- 现有的方法在预测治疗潜力方面缺乏效率.
- 高通量查对于识别新疗法至关重要.
研究的目的:
- 推出DeepBAM,一个AI增强的体内查平台.
- 为了使大脑活动地图 (BAMs) 的深度学习能够用于神经药理学预测.
- 用系统级的表型化预测化合物的治疗潜力.
主要方法:
- 利用自动化微流体和高速显微镜进行高通量体内表型查.
- 从药物反应的幼虫斑马鱼生成了一个大规模的大脑活动地图 (BAM) 库.
- 应用了深度学习算法,从BAM中解开药理学信息.
主要成果:
- 在一个盲目的临床验证组中,DeepBAM预测了强效的抗帕金森症和抗药物,准确度接近45%.
- 在80%的测试抗药和36%的抗帕金森非临床化合物中确定了制药潜力.
- 证明了AI在没有先前化学信息的情况下预测治疗潜力的能力.
结论:
- 系统级的表型化与机器学习相结合,可以显著帮助发现治疗大脑疾病的治疗方法.
- DeepBAM为有效的神经药理学预测提供了一种新的方法.
- 这个平台有可能加速神经系统疾病的新治疗方法的开发.
更多相关视频
14:14Targeting Neuronal Fiber Tracts for Deep Brain Stimulation Therapy Using Interactive, Patient-Specific Models
Published on: August 12, 2018
9.0K
08:49Whole-Brain Single-Cell Imaging and Analysis of Intact Neonatal Mouse Brains Using MRI, Tissue Clearing, and Light-Sheet Microscopy
Published on: August 1, 2022
3.7K
