新功能、新界面、新体验,扫描即可下载生物谷APP!
首页 » 癌症研究 » Elife:机器学习与表观遗传学药物发现

Elife:机器学习与表观遗传学药物发现

来源:本站原创 2019-10-24 05:49

2019年10月24日 讯 /生物谷BIOON/ --随着计算机技术的发展,机器学习强大的处理数据的能力正在彻底改变我们的新药发现模式。近日,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。该研究结果发表在最近的《eLife》杂志上。

文章作者,副教授Alexey Terskikh博士说:“为了识别诱导表观遗传学作用的药物,科学家需要筛选数十万种潜在化合物。我们的研究则提供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。”

(图片来源:Www.pixabay.com)

表观遗传学是指DNA上的化学标签,通过调节基因的可接触性达到改变基因表达水平的目的。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。目前美国食品药品监督管理局(FDA)已经批准了几种靶向表观遗传学改变的癌症药物,此外,研究人员正在努力寻找其他基于表观遗传学的治疗方法。然而,由于缺乏高通量的筛选方法,药物的开发速度有所减慢。

在这项研究中,科学家通过分析此前已经被发现的超过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。该方法能够检测活性药物,并通过其分子功能对化合物进行分类,整合多种细胞系和药物浓度的表观遗传变化特征,最终帮助确定未知化合物的工作方式。在该文章中,科学家尝试使用这种方法来鉴定用于治疗角质细胞瘤(一种致命的脑癌)的表观遗传化合物。

Terskikh实验室的博士后研究员,该研究的第一作者Chen Farhy博士说:“我们的方法为开发表观遗传学药物筛选提供了有效的平台。” “从事机制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并将不同类型的表观遗传学变化特征进行分类。”

Terskikh和他的团队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化合物。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。(生物谷Bioon.com)

资讯出处:Machine learning's next frontier: Epigenetic drug discovery

原始出处: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

版权声明:本文系生物谷原创编译整理,未经本网站授权不得转载和使用。如需获取授权,请点击
温馨提示:87%用户都在生物谷APP上阅读,扫描立刻下载! 天天精彩!


相关标签

最新会议 培训班 期刊库