机器学习的下一个前沿:表观遗传学药物发现

机器学习强大的检测复杂数据模式的能力正在彻底改变我们的驾驶方式,疾病诊断方式以及新药发现方式。 Sanford Burnham Prebys医学发现研究所的科学家开发了一种机器学习算法,可以从显微镜图像中收集信息,从而可以进行高通量表观遗传药物筛选,从而可以开辟针对癌症,心脏病,精神疾病等的新疗法。该研究发表在eLife上。

桑福德·伯纳姆·普雷姆斯(Sanford Burnham Prebys)开发,老化和再生副教授阿列克谢·特尔斯基克(Alexey Terskikh)博士说:“为了鉴定出能够诱导所需表观遗传学作用的稀有药物,科学家需要筛选数十万种潜在Compound的方法。”程序和研究的高级作者。 “我们的研究描述了一种强大的基于图像的方法,可实现高通量表观遗传药物的发现。”

表观遗传学是指DNA上的化学标签,可使细胞机械或多或少地接触基因-从而改变基因表达。细胞的几乎所有变化,包括对药物的反应和环境压力,都由其表观遗传状态反映出来。美国食品药品监督管理局(FDA)批准了几种靶向表观遗传学改变的药物,用于治疗癌症,研究人员正在努力寻找其他基于表观遗传学的治疗方法。但是,由于缺乏高通量的筛选方法,药物的开发速度有所减慢:科学家目前使用特殊的染料和传统的显微镜方法来观察表观遗传学变化。

在这项研究中,科学家使用一组超过220种已知在表观遗传学上起作用的药物训练了一种机器学习算法。所产生的方法称为表观遗传学微观成像(MIEL),能够检测活性药物,通过其分子功能对Compound进行分类,发现多种细胞系和药物浓度的表观遗传变化,并帮助确定未知Compound的工作方式。科学家使用这种方法来鉴定表观遗传Compound,这些Compound可能有助于治疗成胶质细胞瘤(一种致命的脑癌)。

Terskikh实验室的博士后研究员,该研究的第一作者Chen Farhy博士说:“我们的方法已准备好供希望开发表观遗传学药物筛选的制药公司立即使用。” “从事机理研究的工业和学术研究人员也可以从这种方法中受益,因为该算法可以检测和分类由实验方法,基因操作或其他方法引起的表观遗传变化。”

Terskikh和他的团队已经在使用该算法研究衰老细胞的表观遗传学变化,目的是开发能够促进健康衰老的Compound-这种疾病是疾病的最大危险因素。这项工作是与Sanford Burnham Prebys教授Peter Adams博士合作进行的。 Terskikh还渴望将技术从2D图像扩展到3D视频,这将扩展该方法的功能。

有所作为:赞助机会

故事来源:

提供材料 桑福德·伯纳姆·普雷比斯医学发现研究所。注意:可以编辑内容的样式和长度。

资讯来源:由0x资讯编译自SCIENCEDAILY,版权归作者所有,未经许可,不得转载
你可能还喜欢