用转录组引导的扩散模型预测乱下的细胞形态变化
Xuesong Wang1,2, Yimin Fan1,2, Yucheng Guo1
1BioMap Research, Palo Alto, CA, USA.
Nature communications
|September 2, 2025
概括
一个新的模型,模拟了基因或药物干扰的细胞形态变化. 这种工具有助于预测药物机制和生物活性,加速药物发现.
科学领域:
- 计算生物学
- 药物发现
- 细胞成像
背景情况:
- 基于高通量图像的分析对表型药物发现至关重要.
- 预测作用机制 (MOA) 和化合物生物活性需要了解细胞形态变化.
- 探索所有化学和遗传干扰是不可能的现有方法.
研究的目的:
- 开发一个模拟高准确度细胞形态反应的计算模型.
- 增强作用机制 (MOA) 和化合物生物活性的预测.
- 在药物发现中加速表型选.
主要方法:
- 提出了MorphDiff,一个转录基因引导的隐性扩散模型.
- 将模型应用于三个大规模数据集 (两种药物,一种遗传乱).
- 评估了成千上万个扰动的性能, 包括未见的.
主要成果:
- 它可以准确地预测细胞形态的变化.
- 该模型显著提高了MOA检索准确性,与基本真相形态学可比.
- 在MOA鉴定中表现比基线方法优于16.9%和8.0%.
结论:
- 这是一个强大的工具来模拟细胞形态.
- 该模型加快了表型查,并加强了MOA的识别.
- 证明了药物发现管道的重大潜力.
更多相关视频
10:20Single-Molecule Tracking Microscopy - A Tool for Determining the Diffusive States of Cytosolic Molecules
Published on: September 5, 2019
8.3K
08:17Probing Structural and Dynamic Properties of Trafficking Subcellular Nanostructures by Spatiotemporal Fluctuation Spectroscopy
Published on: August 16, 2021
1.9K
