深度学习,更深层次的缓解:为实验动物模型量身定制止痛的管道
Luisa Barleben1,2, Mareike Simon3, Lisa Drees1
1Charité- Universitätsmedizin Berlin, Corporate Member of Freie Universität Berlin and Humboldt- Universität zu Berlin, Department of Hepatology and Gastroenterology, Berlin, Germany.
Frontiers in immunology
|December 29, 2025
概括
这项研究引入了一条新的管道,在动物研究中寻找具有最小副作用的止痛药. 阿曼塔丁被确定为一种安全的选择,没有干扰关键的炎症途径.
科学领域:
- 药理学 药理学是指药理学的学科.
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
背景情况:
- 在动物模型中有效的疼痛管理对于研究完整性至关重要.
- 常见的止痛药可以破坏免疫反应和信号通路,混实验结果.
- 在小鼠结肠炎模型中,阿片类药物和NSAID干扰免疫反应和NF-κB激活.
研究的目的:
- 开发一条用于识别具有最小非目标效应的止痛药的管道.
- 使用体内NF-κB记者小鼠模型验证计算预测.
- 为了使动物研究中的止痛药选择能够采用精确医学方法.
主要方法:
- 使用深度语言模型 (PEDL+) 进行以蛋白质为中心的关系提取.
- 远程监测用于识别止痛药-标相互作用.
- 在体内验证使用NF-κB记者小鼠模型可视化炎症活动.
主要成果:
- 常见的止痛药 (特拉马多尔,乙氨基) 干扰免疫细胞招募,NF-κB激活和上皮细胞分化.
- 选择PEDL+的止痛药皮里特拉米德没有显著干扰NF-κB信号传递.
- 阿曼塔丁在记者小鼠中对炎症反应和NF-κB激活的影响最小.
结论:
- 拟议的管道有效地识别了具有最小非目标效应的止痛药.
- 阿曼塔丁是动物模型的有希望的止痛药,因为它对炎症的影响很小.
- 这种方法转向研究中用于止痛药选择的精密医学.
