Maschinelles lernen ist starke Fähigkeit Muster zu erkennen, die in komplexen Daten revolutioniert, wie wir fahren, wie wir Krankheiten diagnostiziert und jetzt, wie wir entdecken, dass neue Medikamente. Wissenschaftler Sanford Burnham Prebys Medical Discovery Institute entwickelt haben, eine machine-learning-Algorithmus, vermittelt Informationen von Mikroskop-Bildern—so dass für high-throughput-epigenetische drug-Bildschirme, könnte entsperren Sie neue Behandlungen für Krebs, Herzkrankheiten, psychische Erkrankungen und vieles mehr. Die Studie wurde veröffentlicht in eLife.
„Um zu ermitteln, die selten einige medikamentenkandidaten, die eine gewünschte epigenetische Effekte, benötigen die Wissenschaftler Methoden, um Bildschirm Hunderte von tausenden von möglichen verbindungen,“ sagt Alexey Terskikh, Ph. D., associate professor in der Sanford Burnham Prebys “ Entwicklung, Alterung und Regeneration Programm und senior-Autor der Studie. „Unsere Studie beschreibt eine leistungsstarke Bild-basierten Ansatz, der es ermöglicht high-throughput-epigenetische drug discovery.“
Epigenetik bezieht sich auf die chemischen Markierungen auf der DNA, die es erlauben zelluläre Maschinerie, die mehr oder weniger Zugang zu Gene—damit die änderung der gen-expression. Fast alle änderungen in einer Zelle, einschließlich der Reaktion auf ein Medikament und oxidativem stress, werden reflektiert durch seine epigenetische Zustand. Mehrere Medikamente das Ziel, epigenetische Veränderungen sind zugelassen von der US Food and Drug Administration (FDA) für die Behandlung von Krebs, und Forscher arbeiten daran, weitere epigenetische-basierten Therapien. Jedoch, drug discovery wurde gebremst durch einen Mangel an einer hoch-Durchsatz-screening-Methode: die Wissenschaftler derzeit visualisieren epigenetische Veränderungen sind mit speziellen Farbstoffen und traditionelle Mikroskopie-Methoden.
In der Studie, die Wissenschaftler trainierten ein machine-learning-Algorithmus mit einem Satz von mehr als 220 Drogen bekannt, um zu arbeiten epigenetisch. Die resultierende Methode Mikroskopisch visuelle Darstellung der Epigenetischen Landschaft (MIEL), war in der Lage zu erkennen, dass die aktive Drogen, klassifizieren die Stoffe durch Ihre molekulare Funktion, spot-epigenetische Veränderungen über mehrere Zelllinien und Konzentrationen, und helfen, herauszufinden, wie unbekannte verbindungen arbeiten. Die Wissenschaftler verwendeten den Ansatz zu erkennen epigenetische verbindungen, die möglicherweise in der Lage zu helfen, behandeln Glioblastom, einem tödlichen Hirntumor.
„Unsere Methode ist bereit für den sofortigen Einsatz von Pharma-Unternehmen entwickeln möchten, die epigenetische drug-Bildschirme“, sagt Chen Farhy, Ph. D., ein Postdoktorand in der Terskikh-Labor und ersten Autor von der Studie. „Die Industrie und Akademische Forscher, die auf mechanistischen Studien können auch profitieren von dieser Methode, da der Algorithmus kann erkennen und kategorisieren epigenetische Veränderungen induziert durch experimentelle Behandlungen, genetische Manipulationen oder andere Ansätze.“