Machine learning and image-based profiling in drug discovery

افزایش کارایی تصویربرداری، چارچوب تحلیلی جدید و منابع محاسباتی با کارایی بالا، فرصت های جدیدی برای شناسایی فنوتیپ های غنی از اطلاعات مولکول های کوچک در کشف مواد مخدر را باز می کند. برای تشخیص مکانیزم های عمل، اثربخشی هدف و سمیت مولکول های کوچک، برای ارزیابی فنوتیپ های تک سلولی براساس روش های تصویر برداری مبتنی بر تصویر استفاده شده است. پیشرفت های تکنولوژیکی برای تولید مجموعه داده های بزرگ همراه با روش های جدید یادگیری ماشین برای تجزیه و تحلیل داده های پروفایل یابی با ابعاد، فرصت هایی را برای بهبود بسیاری از مراحل کشف مواد مخدر فراهم می کند. در این بررسی، ما بحث خواهیم کرد که چگونه مطالعات اخیر روش های یادگیری ماشین را در جریان کارکرد پروفایل های کاربردی با تمرکز بر روی ژنتیک شیمیایی، مورد استفاده قرار داد. در حالیکه ابزارهایشان در غربالگری و پروفایل سازی مبتنی بر تصویر قابل پیش بینی است، نمونه هایی از بینش های جدید فراتر از وضعیت موجود بر اساس کاربردهای روش های یادگیری ماشین شروع به ظهور می کنند. برای فعال کردن اکتشافات، مطالعات آینده همچنین نیاز به توسعه روش هایی دارند که مانع ورود به آزمایش های پروفیل پیشرفته را با بهینه سازی تست های پروفایل مبتنی بر تصویر و ارائه برنامه های کاربردی برای فن آوری های پیشرفته یادگیری مانند آسان ساختن شبکه های عصبی عمیق، کاهش می دهد.