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，
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。”
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
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 本网站所有注明“来源：生物谷”或“来源：bioon”的文字、图片和音视频资料，版权均属于生物谷网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：生物谷”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->
