Исследователи создали клеточные «ORACL» для помощи в открытии лекарств
Команда исследователей из UC San Francisco разработала новый подход для ранних этапов открытия лекарств, который использует методы компьютерного зрения в сочетании с мощным инструментом: линией генетически модифицированных раковых клеток в чашке Петри, меняющих свой внешний вид при обработке препаратами, нацеленными на общие пути заболеваний.
Исследователи надеются использовать эти клетки — в комбинации с алгоритмами, подобными тем, что применяются в ПО для распознавания лиц, — чтобы быстро классифицировать сотни тысяч молекул в институциональных библиотеках соединений по их биологической функции. Это значительно облегчит поиск новых и более эффективных лекарств от рака и других болезней. Поэтому клетки назвали ORACL (Optimized Reporter cell lines for Annotating Compound Libraries).
Статья с описанием подхода опубликована онлайн 14 декабря 2015 года в журнале Nature Biotechnology.
Клетки, меняющие форму, раскрывают механизмы действия лекарств
Для создания ORACL — единой репортерной клеточной линии, способной различать несколько распространенных классов лекарств, — потребовался особый подход. Исследователи создали 93 клеточные линии на основе существующей линии клеток рака легких, случайным образом пометив выбранные гены флуоресцентным маркером.
Клетки каждой линии обрабатывали панелью из 30 соединений, относящихся к шести часто используемым классам противораковых препаратов, а затем анализировали их изображения с помощью специальных алгоритмов. Разные препараты вызывали у клеток изменения формы и паттерна флуоресценции уникальными способами, что позволяло ПО определить тип примененного лекарства.
Одна клеточная линия оказалась способна различать шесть классов препаратов с точностью 94%. Например:
- Повреждающие ДНК препараты вызывали набухание клеток.
- Ингибиторы HDAC создавали «колючий» вид.
- Ингибиторы mTOR давали слабую флуоресценцию по всей клетке.
- Ингибиторы hsp90 приводили к появлению флуоресцентных крапинок в цитоплазме.
«Оракулы» могут просеивать библиотеки соединений в поисках упущенных лекарств
Протестировав ORACL на более чем 10 000 малых молекул неизвестной функции, команда идентифицировала 106 молекул, чье действие на клетки соответствовало действию «обучающих» препаратов. Дальнейшие эксперименты подтвердили, что как минимум 90 из этих совпадений влияют на тот же биологический путь, что и обучающий препарат.
К удивлению исследователей, ORACL также давали характерный ответ на ряд дополнительных соединений, некоторые из которых оказались принадлежать к классам, не включенным в исходный обучающий набор (например, ингибиторы ER и Aurora киназы, глюкокортикоидные стероиды).
«Потрясающе то, что мы смогли провести один скрининг, один раз, и выловить молекулы, относящиеся ко многим разным классам одновременно», — отметил соавтор работы Стивен Альтшулер.
Исследователи надеются, что ORACL будут использоваться для идентификации новых соединений, нацеленных на биологические пути, где текущие препараты имеют слишком много побочных эффектов, или для поиска молекул, влияющих на пути, для которых известно мало лекарств.