2019年10月24日 訊 /生物谷BIOON/ --隨著計算機技術的發展,機器學習強大的處理數據的能力正在徹底改變我們的新藥發現模式。近日,Sanford Burnham Prebys醫學發現研究所的科學家開發了一種機器學習算法,可以從顯微鏡圖像中收集信息,從而可以進行高通量表觀遺傳藥物篩選,從而可以開闢針對癌症,心臟病,精神疾病等的新療法。該研究結果發表在最近的《eLife》雜誌上。
文章作者,副教授Alexey Terskikh博士說:「為了識別誘導表觀遺傳學作用的藥物,科學家需要篩選數十萬種潛在化合物。我們的研究則提供了一種強大的基於圖像的方法,可實現高通量表觀遺傳藥物的發現。」
(圖片來源:Www.pixabay.com)
表觀遺傳學是指DNA上的化學標籤,通過調節基因的可接觸性達到改變基因表達水平的目的。細胞的幾乎所有變化,包括對藥物的反應和環境壓力,都由其表觀遺傳狀態反映出來。目前美國食品藥品監督管理局(FDA)已經批准了幾種靶向表觀遺傳學改變的癌症藥物,此外,研究人員正在努力尋找其他基於表觀遺傳學的治療方法。然而,由於缺乏高通量的篩選方法,藥物的開發速度有所減慢。
在這項研究中,科學家通過分析此前已經被發現的超過220種已知在表觀遺傳學上起作用的藥物,訓練了一種機器學習算法。該方法能夠檢測活性藥物,並通過其分子功能對化合物進行分類,整合多種細胞系和藥物濃度的表觀遺傳變化特徵,最終幫助確定未知化合物的工作方式。在該文章中,科學家嘗試使用這種方法來鑑定用於治療角質細胞瘤(一種致命的腦癌)的表觀遺傳化合物。
Terskikh實驗室的博士後研究員,該研究的第一作者Chen Farhy博士說:「我們的方法為開發表觀遺傳學藥物篩選提供了有效的平臺。」 「從事機制研究的工業和學術研究人員也可以從這種方法中受益,因為該算法可以檢測並將不同類型的表觀遺傳學變化特徵進行分類。」
Terskikh和他的團隊使用該算法研究衰老細胞的表觀遺傳學變化,目的是開發能夠促進健康衰老的化合物。這項工作是與Sanford Burnham Prebys教授Peter Adams博士合作進行的。 Terskikh還渴望將技術從2D圖像擴展到3D視頻,這將擴展該方法的功能。(生物谷Bioon.com)
Chen Farhy, Santosh Hariharan, Jarkko Ylanko, Luis Orozco, Fu-Yue Zeng, Ian Pass, Fernando Ugarte, E Camilla Forsberg, Chun-Teng Huang, David W Andrews, Alexey V Terskikh.
Improving drug discovery using image-based multiparametric analysis of the epigenetic landscape. eLife, 2019; 8 DOI: 10.7554/eLife.49683