机器学习前沿：癌症治疗中的表观遗传学药物快速筛选

科学家们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。

机器学习前沿：癌症治疗中的表观遗传学药物快速筛选

概述

桑福德·伯纳姆·普雷姆斯（Sanford Burnham Prebys）的开发、老化和再生副教授Alexey Terskikh博士说：“为了识别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化合物。”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开发。”

机器学习前沿：癌症治疗中的表观遗传学药物快速筛选

表观遗传学

表观遗传学（Epigenetics）是指DNA上的化学标签，可使细胞机械的、不同程度的接触基因----从而改变基因表达。细胞中几乎所有变化，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案。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。

机器学习前沿：癌症治疗中的表观遗传学药物快速筛选

研究内容

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（Microscopic Imaging of Epigenetic Landscapes，MIEL），能够检测活性药物，通过其分子功能对化合物进行分类，发现多种细胞系和药物浓度的表观遗传变化，并帮助确定未知化合物如何起作用。科学家使用这种方法来鉴定表观遗传化合物，这些化合物可能有助于治疗成胶质细胞瘤（glioblastoma，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使用。” “从事机械研究的工业和学术研究人员也可以从该方法中受益，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，目的是开发能促进健康衰老的化合物------这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和应用范围。

引用

Sanford Burnham Prebys Medical Discovery Institute. Machine learning's next frontier: Epigenetic drug discovery. ScienceDaily, October 9, 2019, 2019.
https://www.sciencedaily.com/releases/2019/10/191022080734.htm