深度學習賦能表型藥物發(fā)現(xiàn)

文獻概要形態(tài)學分析(Morphologicalprofiling)是表型藥物發(fā)現(xiàn)中的重要工具。高通量自動成像技術(shù)的出現(xiàn)，使得在單細胞分辨率下捕捉細胞在給藥后產(chǎn)生的形態(tài)特征成為可能。同時，深度學習，特別是計算機視覺技術(shù)的顯著進展，大大提升了對高通量高內(nèi)涵圖像(HighContentImaging)的分析能力。這些技術(shù)對于理解藥物的作用機制，新型治療藥物的發(fā)現(xiàn)和發(fā)展都起到了關(guān)鍵的作用。本綜述全面總結(jié)了形態(tài)學分析領(lǐng)域的最新進展。我們介紹了高內(nèi)涵細胞圖像分析流程，調(diào)研了基于特征工程和深度學習方法的不同分析策略，并介紹了有關(guān)公開數(shù)據(jù)集。我們著重介紹了深度學習在此流程中的應(yīng)用，包括細胞圖像分割、圖像表征學習和多模態(tài)學習等。此外，我們總結(jié)了形態(tài)學分析在表型藥物發(fā)現(xiàn)中的應(yīng)用，并指出了該領(lǐng)域綜述背景表型藥物發(fā)現(xiàn)（PhenotypicDrugDiscovery,PDD）是一種重要的藥物發(fā)現(xiàn)方式。與基于靶點的藥物發(fā)現(xiàn)（Target-basedDrugDiscovery,TDD）不同，PDD采用與靶標無關(guān)的方法，專注于化合物在疾病相關(guān)生物系統(tǒng)中的表型效應(yīng)。這一策略利用已標注作用機制的參考化合物,來揭示測試化合物的作用機制（MechanismofAction,MOA）。迄今為止，PDD在首創(chuàng)新藥（first-in-class）的發(fā)現(xiàn)方面已做出重要貢獻。例如，PDD是天然產(chǎn)物發(fā)現(xiàn)的主要方法，也是其識別新靶點和/或作用機制的基礎(chǔ)。天然產(chǎn)物一般都具有生物活性，表型篩選，特別是通過分析高內(nèi)涵圖像中相關(guān)的有偏和無偏差異，是發(fā)現(xiàn)其未知作自動顯微鏡和圖像分析技術(shù)的發(fā)展，已經(jīng)使得基于圖像的高通量表型藥物篩選（PDD）成為現(xiàn)實。在這一領(lǐng)域中，高內(nèi)涵篩選（High-ContentScreening,HCS）和形態(tài)學分析（Morphologicalprofiling）是兩種基于大規(guī)模成像實驗的方法，但是它們在策略上存在明顯差異。HCS是一種針對已知特定表型的測量方法，它專注于與擾動相關(guān)的特性。這種方法通常限定于測量那些已經(jīng)明確與特定生物學擾動相關(guān)聯(lián)的特征。與此相對，形態(tài)學分析，是一種無偏的分析方法。它通過捕捉由成百上千個細胞特征組成的高維圖像數(shù)據(jù)，來全面地反映細胞的形態(tài)特性。這種方法不受限于已知表型，能夠揭示細胞形態(tài)的細微差別或未知的表型特征（見圖1）。傳統(tǒng)上，生物圖像信息學工具能夠測量這些特征，并用于聚類分析以及預(yù)測擾動的生物活性相似性。這不僅提供了一種全面的形態(tài)學分析，而且能夠以無偏的方式發(fā)現(xiàn)那些不易察覺或尚未被認識的表型變化。通過這種方式，形態(tài)學分析為藥物發(fā)現(xiàn)提供了一種更為深入和全面圖1:早期藥物發(fā)現(xiàn)方法作為人工智能（AI）領(lǐng)域的核心技術(shù)，深度學習通過深度神經(jīng)網(wǎng)絡(luò)以數(shù)據(jù)驅(qū)動的方式，從原始數(shù)據(jù)中自動提取特征，這一過程通常無需進行傳統(tǒng)的特征工程（見圖2）。在藥物發(fā)現(xiàn)領(lǐng)域，深度學習技術(shù)已被廣泛應(yīng)用于多個關(guān)鍵環(huán)節(jié)，包括表型藥物發(fā)現(xiàn)（PDD）中的生物圖像分析，這些應(yīng)用極大地推動了新藥研發(fā)的效率和創(chuàng)新性。近年來，計算機視覺技術(shù)的飛速發(fā)展，不僅在效率上帶來了顯著提升，更在性能上實現(xiàn)了質(zhì)的飛躍，這在基于圖像的分析領(lǐng)域尤為明顯。計算機視覺的進步，為藥物發(fā)現(xiàn)領(lǐng)域帶來了成本效益更高的計算方法，加速了藥物研發(fā)的進程。在本綜述中，我們將全面梳理并介紹當前用于形態(tài)學分析的計算方法，特別強調(diào)深度學習技術(shù)在其中的關(guān)鍵作用和應(yīng)用潛力。圖2:形態(tài)學分析流程示意CellPainting（細胞全景繪制）公開數(shù)據(jù)集及模型評價指標CellPainting，亦稱為細胞全景繪制，是一種廣泛應(yīng)用于細胞形態(tài)學分析的技術(shù)。它通過六種熒光染料對細胞器進行標記，并在高通量顯微鏡下，通過五個不同的通道對固定和染色的細胞進行成像。在過去十年中，學術(shù)界和制藥行業(yè)的研究者們已經(jīng)創(chuàng)建并公開了多個CellPainting數(shù)據(jù)集，包括：），），·Recursion公司發(fā)布的RxRx數(shù)據(jù)集，包含了化合物、遺傳和病毒轉(zhuǎn)導擾動的數(shù)據(jù)；·CytoImageNet數(shù)據(jù)集，它整合了來自40個公開可用的、具有弱標簽的顯微圖像。特別值得一提的是，形態(tài)學分析CellPainting（JUMP-CP）聯(lián)盟最近建立了迄今為止最大的公共CellPainting數(shù)據(jù)集。該數(shù)據(jù)集包含了來自超過116,000個化學擾動和超過15,000個遺傳擾動的人類骨肉瘤細胞（U2OS）的圖像，這些圖像資料來自12個不同的研究機構(gòu)。這些公共數(shù)據(jù)集已經(jīng)成為訓練機器學習和深度學習模型的重要資源，用于化合物生物活性和作用機制的預(yù)測和圖像表征學習。在這些數(shù)據(jù)集中，BBBC021數(shù)據(jù)集已成為評估深度學習方法性能的常用基準。這一公開數(shù)據(jù)集可從BroadBioimageBenchmarkCollection獲取，包含了113種化合物在八種不同濃度下處理的人MCF-7乳腺癌細胞的CellPainting圖像。大多數(shù)表征學習方法是在38種化合物的數(shù)據(jù)集上進行比較的，這些化合物已被人工標注為12種作用機制（MOAs）之一。當評估不同MOA預(yù)測方法的有效性時，常使用以下評估指標：·NSC（Not-Same-Compound匹配精度在NSC設(shè)置下，測試化合物在訓練階段被排除。模型的任務(wù)是預(yù)測測試化合物的MOA類別。在預(yù)測階段，通常使用1-最近鄰（1-NN）分類器處理生成的測試化合物表征，測試化合物的MOA取決于其在訓練化合物特征空間中的最近鄰居。此指標用于評估模型在MOA未知的情況下，預(yù)測新化合物類別的能力。·NSCB（Not-Same-Compound-and-Batch匹配精度）：NSCB比NSC更為嚴格，除了NSC的限制外，同一實驗批次的特征在訓練中也被排除。此指標用于評估模型在不同實驗條件和批次設(shè)置下的泛化能力，反映批處理效應(yīng)和其他混雜因素的影響?！rop：Drop是通過從NSC中減去NSCB來計算的。理想情況下，不應(yīng)觀察到性能下降。Drop值越圖3:形態(tài)學分析中的關(guān)鍵方法和最新技術(shù)形態(tài)學分析過程概述精確、高效且通用的成像數(shù)據(jù)分析流程對于形態(tài)學分析至關(guān)重要。在過去幾年中，深度學習方法的應(yīng)用取得了顯著進展（見圖3）。在本節(jié)中，我們概述了形態(tài)學分析數(shù)據(jù)分析的幾個關(guān)鍵階段，并特別強調(diào)階段1：特征表征細胞形態(tài)變化的測量始于為細胞圖像創(chuàng)建有效的特征表征。傳統(tǒng)上，這一任務(wù)通過特征工程技術(shù)來實現(xiàn)，如CellProfiler等軟件，它們能夠從熒光顯微鏡圖像中提取如形狀、大小和紋理等預(yù)定義特征。盡管這些方法能夠提供有生物學意義的結(jié)果，但它們需要針對每次新的實驗設(shè)置進行圖像預(yù)處理和參數(shù)調(diào)階段2：形態(tài)學特征生成特征提取后，單細胞或視野圖像的測量值將被整合成一個特征向量，形成細胞板孔級的特征表征，這些階段3：作用機制（MOA）標注利用匯總的孔級形態(tài)學特征，可以執(zhí)行機器學習任務(wù)，如基于已知形態(tài)學特征的參考庫預(yù)測查詢擾動劑的MOA或毒性。這通常涉及在形態(tài)學特征基礎(chǔ)上構(gòu)建機器學習模型，例如使用最近鄰分類器、隨機森林或貝葉斯矩陣分解等算法。這些監(jiān)督學習算法能夠?qū)⒉樵償_動劑分類到預(yù)定義的、有標注的類別中。此外，形態(tài)學特征也可用于推斷化合物功能的關(guān)聯(lián)性，通常通過層次聚類算法實現(xiàn)，基于形態(tài)學特征相深度學習技術(shù)的發(fā)展，為形態(tài)學分析帶來了端到端的解決方案，將上述階段整合到一個連貫的過程中。在這個框架下，表型分類和聚類任務(wù)可以直接利用原始的高內(nèi)涵圖像，無需顯式的圖像特征表征和中間步驟，從而簡化了整個分析流程(圖3)。表征學習用于形態(tài)學分析特征表征在形態(tài)學分析中扮演著至關(guān)重要的角色。傳統(tǒng)上，形態(tài)學特征的提取依賴于特征工程方法，這不僅需要針對每個實驗設(shè)置手動調(diào)整軟件參數(shù)，還必須依賴于專家知識來確定哪些表型特征是關(guān)鍵的。顯然，這種方法受限于人為的主觀判斷和專業(yè)知識的局限。與此相對，深度神經(jīng)網(wǎng)絡(luò)提供了一種更為客觀和自動化的解決方案。它們能夠直接從圖像的原始像素中學習特征，從而編碼出更為豐富和有意義的數(shù)據(jù)表征。這種端到端的訓練方式，不僅簡化了分析流程，而且通過減少人為干預(yù)，提高了模型的性能。更進一步，深度神經(jīng)網(wǎng)絡(luò)在處理不同類型的擾動（如化學和遺傳擾動）時，展現(xiàn)出了卓越的泛化能力。這意味著，即使是在面對新的或未知的擾動類型時，這些網(wǎng)絡(luò)也能夠快速適應(yīng)并提供準確的預(yù)測。此外，在分類任務(wù)中，深度學習模型的處理速度也顯著優(yōu)于傳統(tǒng)的基于特征工程的模型，這為高通量藥物篩選和表型分析提供了強有力的支持。在預(yù)訓練階段，我們能夠運用多種學習策略來優(yōu)化深度學習模型的表現(xiàn)（如圖4所示）：1.監(jiān)督表征學習：當擁有大量標注數(shù)據(jù)時，監(jiān)督表征學習例如，Kraus等人利用BBBC021數(shù)據(jù)集上的標注圖像，訓練了結(jié)合多示例學習的卷積神經(jīng)網(wǎng)絡(luò)，在分類任務(wù)中取得了比傳統(tǒng)特征工程方法更高的準確性。同樣，Godinez等人開發(fā)的基于多尺度卷積神經(jīng)網(wǎng)絡(luò)的分類器，在BBBC數(shù)據(jù)集的基準測試中，也2.遷移學習：盡管如此，獲取充足的標注圖像數(shù)據(jù)可能成本高昂且耗時。在這種情況下，遷移學習提供了一種有效的解決方案。Pawlowski等人首次提出利用在ImageNet上預(yù)訓練的CNN進行形態(tài)學分析，這種方法在準確性和處理速度上都優(yōu)于基于特征工程的方法。Ando等人提出的DeepMetricNetwork，也是在大量RGB圖像上預(yù)訓練的模型，用于為BBBC0213.弱監(jiān)督表征學習：除了遷移學習，弱監(jiān)督學習（WSL）方法也被提出來訓練深度神經(jīng)網(wǎng)絡(luò)學習在這種學習方案中，化合物類別標簽被視為“弱”或“噪聲”標簽，因為：為了利用這些弱標簽，此類方法將單個細胞圖像分類到相應(yīng)的類別標簽成為用來訓練網(wǎng)絡(luò)的輔助從輔助任務(wù)中學習到的特征嵌入隨后用于推斷化合物之間的類別關(guān)聯(lián)。4.無監(jiān)督表征學習：最后，無監(jiān)督學習方法通過識別數(shù)據(jù)中的潛在模式或?qū)⑾嗨茢?shù)據(jù)聚類，提供了例如，該類方法可以利用未標注信息，如圖像是否屬于同一擾動，或通過聚類在嵌入上分配的偽此外，生成模型如GAN或VAE，通過學習數(shù)據(jù)的分布來學習其內(nèi)在結(jié)構(gòu)。圖4：細胞形態(tài)學分析的特征表征學習策略這些策略均在BBBC021數(shù)據(jù)集上的基準測試中得到了驗證，其中Cross-Zamirski等人提出的WS-DINO方法表現(xiàn)最佳。Ando等人的遷移學習方法和Perakis等人的自監(jiān)督對比學習方法也展現(xiàn)了出色的性能。為了確保深度學習方法在形態(tài)學特征分析中取得良好性能，需要綜合考慮圖像數(shù)據(jù)集的特性、模型的復雜性以及可用的計算資源。增加訓練集的規(guī)模和多樣性，例如通過整合不同實驗室的圖像集，可以更有效地提高性能。此外，適當?shù)膱D像增強技術(shù)，如隨機亮度變化和強度偏移，對SSL方法的性能有顯著的正面影響。在計算資源方面，使用GPU加速的DINO方法在處理速度上具有優(yōu)勢，且盡管需要GPU支持，但其單細胞板的平均分析成本卻相對較低。細胞形態(tài)學與跨模態(tài)數(shù)據(jù)融合隨著生物技術(shù)的發(fā)展，藥物發(fā)現(xiàn)領(lǐng)域迎來了多樣化的數(shù)據(jù)模態(tài)。化學信息學利用化學結(jié)構(gòu)數(shù)據(jù)和相似性原則，為預(yù)測化合物的生物活性和作用機制提供了有效工具。盡管化學結(jié)構(gòu)與生物功能間的關(guān)系復雜，但化學數(shù)據(jù)的易獲取性為虛擬篩選奠定了基礎(chǔ)。與此同時，“組學”數(shù)據(jù)，如轉(zhuǎn)錄組學和代謝組學，從多角度揭示了藥物作用的復雜性，盡管其檢測成本和可擴展性仍是挑戰(zhàn)。每種數(shù)據(jù)模態(tài)都有其優(yōu)勢和局限，而整合這些模態(tài)能夠發(fā)揮協(xié)同效應(yīng)，提供更全面的藥效理解。最新研究顯示，化學結(jié)構(gòu)、形態(tài)學和基因表達等數(shù)據(jù)模態(tài)在預(yù)測藥效方面互為補充。結(jié)合機器學習和深度學習技術(shù)，整合這些形態(tài)數(shù)據(jù)已成為藥物發(fā)現(xiàn)領(lǐng)域的一個新興研究方向（圖5）。圖5:整合細胞形態(tài)學與其他數(shù)據(jù)模態(tài)整合化學結(jié)構(gòu)與細胞形態(tài)學研究表明，將結(jié)構(gòu)模型與細胞形態(tài)學模型相結(jié)合，能夠顯著提高生物檢測結(jié)果的預(yù)測準確性。Seal等人提出了一種基于相似性的合并模型，該模型融合了在CellPainting圖像和化學結(jié)構(gòu)上獨立訓練的模型的預(yù)測概率，同時考慮了測試化合物與訓練化合物在形態(tài)和結(jié)構(gòu)上的相似性。具體來說，這些獨立模型的預(yù)測結(jié)果和相似性度量被綜合應(yīng)用于邏輯回歸模型，用以預(yù)測測試化合物的生物活性。研究結(jié)果表明，這種基于相似性的融合模型在性能上超越了傳統(tǒng)的軟投票集成方法、分層模型，以及任何僅基于單一模整合轉(zhuǎn)錄組學與細胞形態(tài)學除了化學結(jié)構(gòu)數(shù)據(jù)，將轉(zhuǎn)錄組學數(shù)據(jù)與細胞形態(tài)學數(shù)據(jù)的整合也是一種有效的跨模態(tài)組合策略。L1000檢測是一種常用的獲取基因表達譜的方法。CellPainting和L1000檢測都具備良好的可擴展性，并能提供互補的信息。盡管CellPainting的形態(tài)學特征在可重復性上表現(xiàn)更佳，但可能受到批次和孔位效應(yīng)的影響；而L1000檢測則能夠捕捉到更多樣化的生物學特征。研究顯示，基于轉(zhuǎn)錄組和形態(tài)學的模型在MOA預(yù)測方面，能夠展現(xiàn)出與基于化學結(jié)構(gòu)的模型相媲美甚至更優(yōu)的性能。這些發(fā)現(xiàn)為將轉(zhuǎn)錄組學和形態(tài)學特征融合用于藥物發(fā)現(xiàn)提供了實驗證明和支持。整合代謝組學與細胞形態(tài)學盡管整合形態(tài)學和轉(zhuǎn)錄組學（L1000）特征在MOA預(yù)測中顯示出優(yōu)勢，但這一正交平臺在實際應(yīng)用中仍面臨挑戰(zhàn)。這些挑戰(zhàn)包括在識別具有廣泛細胞效應(yīng)的生物活性化合物時分辨率有限，以及在研究那些未引起顯著形態(tài)學變化的生物活性化合物時靈敏度不足。為了克服這些局限性，研究人員探索了基于代謝組學的方法，將形態(tài)學特征與之結(jié)合，以揭示細胞在不同條件下的代謝變化。代謝組學分析能夠提供關(guān)于細胞狀態(tài)的全面信息，并定義細胞在擾動下的表型。例如，非靶向質(zhì)譜（Massspectrometry）的代謝組學可以與形態(tài)學分析整合，以促進在高通量環(huán)境中快速識別和功能注釋天然產(chǎn)物。綜上所述，將深度學習方法應(yīng)用于整合形態(tài)學數(shù)據(jù)與其他模態(tài)數(shù)據(jù)，如化學結(jié)構(gòu)、轉(zhuǎn)錄組學和代謝組學，在藥物發(fā)現(xiàn)中的重要性日益凸顯。對比學習和數(shù)據(jù)融合技術(shù)的發(fā)展，為對齊多模態(tài)數(shù)據(jù)提供了新的工具。隨著多模態(tài)數(shù)據(jù)集的不斷整理和完善，這一新興領(lǐng)域的發(fā)展將得到進一步推動。形態(tài)學分析在藥物發(fā)現(xiàn)中的創(chuàng)新應(yīng)用機器學習和深度學習技術(shù)在形態(tài)學分析中的應(yīng)用，極大地豐富了表型藥物發(fā)現(xiàn),包括識別小分子的作用機制（MOA）、優(yōu)化先導化合物到預(yù)測毒理學效果等。在本文中，我們將重點討論一些新興應(yīng)用的最構(gòu)建基因型-表型關(guān)系和基因功能網(wǎng)絡(luò)將基因型與疾病相關(guān)的表型聯(lián)系起來，是基因組學中的核心問題。CRISPR篩選技術(shù)已被用于在基因組規(guī)模上提示基因功能。然而，由于傳統(tǒng)篩選方法的維度較低，它們在揭示疾病相關(guān)表型方面存在局限性。為了克服這一障礙，基于圖像的分析方法為CRISPR篩選提供了高內(nèi)涵的形態(tài)學標注，這不僅增加了數(shù)據(jù)的維度，還提高了對疾病相關(guān)表型的理解。例如，Ramezani等人開發(fā)的PERISCOPE方法，通過結(jié)合光學聚合CRISPR篩選和基于圖像的分析，成功構(gòu)建了基因功能網(wǎng)絡(luò)。Sivanandan等人提出的CellPaint-POSH技術(shù)，進一步展示了深度學習模型在構(gòu)建基因功能網(wǎng)絡(luò)方面的潛力。表征動態(tài)擾動影響形態(tài)學分析的另一個新興領(lǐng)域是活細胞表型分析，這可以通過時間序列成像來實現(xiàn)。這種方法增加了時間維度，從而提高了對化學物作用機制的預(yù)測能力。例如，通過活細胞成像分析FDA批準的藥物庫，可以準確推斷出多種MOA。此外，活細胞成像還能揭示細胞狀態(tài)轉(zhuǎn)換的動態(tài)過程，這對于發(fā)育生物學