机构名称：
¥ 2.0
摘要 29 成纤维细胞是心脏损伤后细胞外基质沉积的重要调节剂。30 这些细胞在纤维化过程中对 31 环境刺激表现出高度可塑性的表型反应。在这里，我们测试候选抗纤维化药物是否以及如何 32 差异地调节心脏成纤维细胞表型的测量，这可能有助于确定 33 心脏纤维化的治疗方法。我们对用 13 种临床相关药物在 TGFβ 和/或 IL-1β 背景下治疗的人类 34 心脏成纤维细胞进行了高内涵显微镜筛选，35 测量了 137 个单细胞特征的表型。我们使用来自 36 高内涵成像的表型数据来训练基于逻辑的机械机器学习模型 (LogiMML) 用于 37 成纤维细胞信号传导。该模型预测了吡非尼酮和 Src 抑制剂 WH-4-023 如何分别减少 38 肌动蛋白丝组装和肌动蛋白-肌球蛋白应力纤维形成。验证了 39 LogiMML 模型预测 PI3K 部分介导 Src 抑制的影响，我们发现 40 PI3K 抑制可降低 41 人类心脏成纤维细胞中的肌动蛋白-肌球蛋白应力纤维形成和前胶原 I 的产生。在本研究中，我们建立了一种结合 42 基于逻辑的网络模型和正则化回归模型优势的建模方法，应用此 43 方法来预测介导药物对成纤维细胞的不同影响的机制，44 揭示了通过 PI3K 起作用的 Src 抑制是治疗心脏纤维化的潜在方法。45
基于逻辑的机械机器学习高...
主要关键词
相关文件推荐
