Activateurs synthétiques de la migration cellulaire conçus par apprentissage machine constructif
Hôpital universitaire pour enfants de Zurich, ETH Zurich
Abstract
L'apprentissage automatique constructif vise à créer des exemples à partir de son domaine appris qui sont susceptibles de présenter des propriétés similaires. Ici, un réseau neuronal récurrent a été formé avec les structures chimiques de modulateurs de migration cellulaire connus. Ce modèle d'apprentissage automatique a été utilisé pour générer de nouvelles molécules qui imitent les composés d'entraînement. Deux modèles ayant obtenu les meilleurs scores ont été synthétisés et testés pour l'activité fonctionnelle dans un test de migration de cellules sphéroïdes phénotypiques. Ces petites molécules générées par ordinateur ont considérablement augmenté la migration des cellules de médulloblastome. Les résultats corroborent en outre l'applicabilité de l'apprentissage automatique constructif à la conception de novo de molécules druglike avec les propriétés souhaitées.
L'analyse a été réalisée par TLC / MS en utilisant l'Advion exPression Spectromètre de masse compact (CMS) et lecteur de plaques TLC Express Plate.