机构名称：
¥ 1.0
结核病 (TB) 是由结核分枝杆菌引起的，仍然是全球健康的重大威胁，估计 2022 年将影响 1060 万人。耐多药和广泛耐药菌株的出现迫使人们开发新型有效药物。加快确定这些药物的作用机制 (MOA) 对于推进结核病治疗至关重要。本研究介绍了 MycoBCP，这是针对结核分枝杆菌量身定制的独特细菌细胞学分析 (BCP)，利用 BCP 中的卷积神经网络 (CNN) 来克服传统图像分析技术带来的挑战。使用 MycoBCP，我们分析了各种抗菌化合物对结核分枝杆菌的形态学影响，捕捉广泛的模式而不是依赖精确的细胞分割。这种方法避免了结核分枝杆菌中普遍存在的细胞聚集和染色不均匀等问题。在盲测中，MycoBCP 准确识别了 96% 化合物的作用机理，只有一次错误分类，即利福布汀，它被错误地归类为影响翻译而不是转录。转录和翻译抑制产生的相似形态表明需要进一步改进以更有效地区分它们。将 MycoBCP 应用于一系列抗结核药物，成功识别了已知的作用机理并揭示了独特的作用，证明了其在早期药物发现和开发中的实用性。我们的研究结果强调了基于 CNN 的 BCP 在提高作用机理测定的准确性和效率方面的潜力，特别是对于结核分枝杆菌等具有挑战性的病原体。MycoBCP 代表了结核病药物开发的重大进步，为高通量筛选抗菌化合物提供了一种强大且适应性强的方法。
深度学习驱动的细菌细胞学分析以确定结核分枝杆菌的抗菌机制
主要关键词
相关文件推荐
