Исследователи создали базу данных для отладки алгоритмов, которые с помощью компьютерного зрения могут автоматизировать тестирование перспективных лекарственных средств при лабораторных испытаниях.
17.04.2023
Поиск новых типов лекарственных и фармацевтических препаратов – это трудоемкий и затратный аналитический процесс. Как правило, новые соединения являются либо модификациями, либо комбинациями веществ с известными свойствами. Поскольку таких компонентов относительно много, то подбор потенциально полезного нового препарата представляет собой математическую задачу перебора тысяч различных комбинаций в составе макромолекулы.
Поскольку предсказать с высокой вероятностью новые свойства бывает сложно, все перспективные препараты проходят лабораторные испытания, в частности, на живых клетках, чтобы оценить их полезные и токсические свойства. Однако для человеческого глаза изменения клеток под воздействием тестируемых соединений незаметны. Поэтому для визуальной оценки эффекта ученые добавляют специальные маркеры (дифференциальные красители), которые подкрашивают клеточные образцы различными цветами в зависимости от целостности, жизнеспособности и некоторых других характеристик клетки.
Применение такого подхода требует большого количества образцов для проведения испытаний, поскольку после окрашивания клетки, как правило, выводятся из эксперимента вследствие побочных эффектов красителей. При этом количество образцов, успешно прошедших испытания, обычно оказывается многократно ниже неудачных. Поэтому для разработчиков новых лекарственных препаратов задача автоматизации и удешевления процесса отбора перспективных макромолекул является крайне актуальной.
«Мы разработали приложение, которое позволяет при помощи алгоритмов искусственного интеллекта по микрофотографиям количественно оценивать изменения клеток по их структуре под воздействием перспективных лекарственных препаратов без необходимости использовать процесс окрашивания. Таким образом, мы можем автоматически исключать из анализа очевидно неудачные образцы кандидатов в лекарственные соединения в режиме реального времени, не оказывая дополнительных воздействий на клетки, что позволяет, с одной стороны, не использовать дорогостоящие красители, и в то же время, оценивать действие препарата на клетки в течение заданного промежутка времени».
В рамках проведенного исследования ученые представили размеченную и подготовленную для дообучения приложений по распознаванию биомедицинских микроизображений базу данных. Она состоит из микроскопических изображений раковых клеток – аденокарциномы толстой кишки человека с различными типами клеток (как жизнеспособных, так и нежизнеспособных вследствие воздействия токсичного препарата), полученные специалистами ИФМиБ КФУ в ходе текущих исследований. Таким образом, представленные изображения моделируют различные исходы применения потенциальных лекарственных средств, которые были предварительно получены с использованием двух разных систем окрашивания образцов. Обученная с помощью такой базы нейросеть способна различать результаты действия препаратов без использования флуоресцентных маркеров, ориентируясь, например, на изменение клеточных контуров.
«Разработанные нами алгоритмы количественной оценки состояния клеток на микрофотографиях позволяют уменьшить нагрузку на экспертов и повысить объективность анализа при исследовании средств для терапии онкологических заболеваний и любых других перспективных лекарственных препаратов. Фундаментальный аспект проведенной научной работы состоит в том, что созданная в ходе нашего исследования база данных представляет собой удобный испытательный стенд для других исследователей, которые с его помощью могут проверить успешность своих разработок в сфере анализа биомедицинских изображений».
Результаты исследований представлены в научном журнале Scientific Data.
