一个开源的选平台加速了药物组合的发现

科学领域:

• 药理学 药理学是指药理学的学科.
• 生物技术是生物技术.
• 计算生物学 计算生物学

背景情况:

• 药物组合查至关重要,但由于实验复杂性和低吞吐量而受到限制.
• 现有的液体处理系统缺乏与组合特定分析方法的整合.
• 加快有效药物组合的发现是现代医学的一个关键挑战.

研究的目的:

• 推出Combocat,这是一个开源框架,用于超高通量药物组合查.
• 将声学液体处理与机器学习相结合,以预测药物效应的推断.
• 减少综合药物组合分析所需的实验数量.

主要方法:

• 开发了Combocat,这是一个结合声学液体处理和基于机器学习的推理的框架.
• 产生了超过800种药物组合的参考数据集,在多种细胞类型的10x10矩阵格式中.
• 使用生成的数据集训练了一个预测模型,从稀疏的数据中推断出药物组合效应.

主要成果:

• 实现了超高通量药物组合查,使得可以在神经母细胞瘤细胞系中测试9,045种组合.
• 从稀疏的数据中准确推断药物组合效应,大幅减少实验测量.
• 在单一细胞系中选的最大数量的药物组合建立了一个新的基准.

结论:

• 康博卡特提供了一个可扩展的解决方案,以加快新药组合的发现.
• 集成先进的分发技术和预测计算建模,提高查效率.
• 这种方法大大减少了对广泛的药物组合研究所需的资源.