DEEMD: Drug Efficacy Estimation against SARS-CoV-2 based on cell Morphology with Deep multiple instance learning

要約

ドラッグリポジショニングは、既存の臨床安全性データと確立されたサプライチェーンの利点を活用して、SARS-CoV-2に対する臨床使用に有効な化合物の特定を加速することができます。
SARS-CoV-2などのRNAウイルスは、細胞経路を操作し、細胞内構造の再編成を誘導して、それらのライフサイクルをサポートします。
これらの形態学的変化は、バイオイメージング技術を使用して定量化できます。
この作業では、DEEMDを開発しました。これは、複数インスタンスの学習フレームワーク内でディープニューラルネットワークモデルを使用する計算パイプラインであり、公開されているRxRx19aデータセットの形態素解析に基づいてSARS-CoV-2に対して有効な推定治療法を特定します。
このデータセットは、SARS-CoV-2の非感染細胞と感染細胞の蛍光顕微鏡画像で構成されており、薬物治療の有無にかかわらずです。
DEEMDは、最初に識別可能な形態学的特徴を抽出して、非感染細胞と感染細胞から細胞形態学的プロファイルを生成します。
次に、これらの形態学的プロファイルを統計モデルで使用して、非感染細胞との類似性に基づいて、感染細胞に適用される治療効果を推定します。
DEEMDは、高価なピクセルレベルの注釈なしで、弱い監視を介して感染細胞を特定することができます。
DEEMDは、レムデシビルやアロキシスタチンなどの既知のSARS-CoV-2阻害剤を特定し、私たちのアプローチの有効性を裏付けています。
DEEMDは、他の新たなウイルスやデータセットで使用するために調査して、将来の抗ウイルス治療の候補を迅速に特定することができます}。
私たちの実装は、https：//www.github.com/Sadegh-Saberian/DEEMDからオンラインで入手できます。

要約(オリジナル)

Drug repurposing can accelerate the identification of effective compounds for clinical use against SARS-CoV-2, with the advantage of pre-existing clinical safety data and an established supply chain. RNA viruses such as SARS-CoV-2 manipulate cellular pathways and induce reorganization of subcellular structures to support their life cycle. These morphological changes can be quantified using bioimaging techniques. In this work, we developed DEEMD: a computational pipeline using deep neural network models within a multiple instance learning framework, to identify putative treatments effective against SARS-CoV-2 based on morphological analysis of the publicly available RxRx19a dataset. This dataset consists of fluorescence microscopy images of SARS-CoV-2 non-infected cells and infected cells, with and without drug treatment. DEEMD first extracts discriminative morphological features to generate cell morphological profiles from the non-infected and infected cells. These morphological profiles are then used in a statistical model to estimate the applied treatment efficacy on infected cells based on similarities to non-infected cells. DEEMD is capable of localizing infected cells via weak supervision without any expensive pixel-level annotations. DEEMD identifies known SARS-CoV-2 inhibitors, such as Remdesivir and Aloxistatin, supporting the validity of our approach. DEEMD can be explored for use on other emerging viruses and datasets to rapidly identify candidate antiviral treatments in the future}. Our implementation is available online at https://www.github.com/Sadegh-Saberian/DEEMD

arxiv情報

提供元, 利用サービス

arxiv.jp, Google