A High-Throughput Yeast Assay Identifies Synergistic Drug Combinations
Notice bibliographique
Résumé
Drug combinations are commonly used in the treatment of a range of diseases such as cancer, AIDS, and bacterial infections. Such combinations are less likely to be thwarted by resistance, and they have the desirable potential to be synergistic. Synergistic combinations can have decreased toxicity if lower doses of the constituent agents can be used. Conversely, antagonistic combinations can lead to lower efficacy of a treatment. Unfortunately, practical limitations, including the large number of possible combinations to be tested and the importance of optimizing concentrations and order of addition, discourage systematic studies of compound combinations. To address these limitations, we present a platform to screen drug combinations at multiple concentrations with varying orders of addition in Saccharomyces cerevisiae, at high throughput. In a proof of principle, we screened all possible pairwise combinations of 11 DNA damaging agents and found that of the 66 combinations tested, six were synergistic and three were antagonistic. The strength of two-thirds of these combinations was dependent on the order in which the drugs were added to the cells. We further tested the synergistic and antagonistic combinations in two cancer cell lines and found the combination of mitomycin C and irinotecan to be synergistic in both cell lines. This pilot study demonstrates the utility of using yeast for screening large matrices of drug combinations, and it provides a means to prioritize drug combination tests in human cells. Finally, we underscore the importance of testing the order of addition for assessing drug combinations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».