深度学习时代的药物发现形态学分析
定量方法
2024-01-17 v2 人工智能
计算机视觉与模式识别
机器学习
摘要
形态学分析是表型药物发现中的宝贵工具。高通量自动成像的出现使得能够在单细胞分辨率下捕获细胞或生物体响应扰动的广泛形态特征。与此同时，机器学习和深度学习，尤其是计算机视觉领域的重大进展，极大地改善了对大规模高内涵图像的高通量分析。这些努力促进了对化合物作用机制 (MOA) 的理解、药物再利用、扰动下细胞形态动力学的表征，并最终有助于新型疗法的开发。在这篇综述中，我们全面概述了形态学分析领域的最新进展。我们总结了图像分析工作流程，调查了包含特征工程和基于深度学习方法在内的广泛分析策略，并介绍了公开可用的基准数据集。我们特别强调了深度学习在该流程中的应用，涵盖了细胞分割、图像表示学习和多模态学习。此外，我们阐明了形态学分析在表型药物发现中的应用，并突出了该领域潜在的挑战与机遇。
引用
@article{arxiv.2312.07899,
title = {Morphological Profiling for Drug Discovery in the Era of Deep Learning},
author = {Qiaosi Tang and Ranjala Ratnayake and Gustavo Seabra and Zhe Jiang and Ruogu Fang and Lina Cui and Yousong Ding and Tamer Kahveci and Jiang Bian and Chenglong Li and Hendrik Luesch and Yanjun Li},
journal= {arXiv preprint arXiv:2312.07899},
year = {2024}
}
备注
44 pages, 5 figure, 5 tables