Multiparametric High‐Content Assays to Measure Cell Health and Oxidative Damage as a Model for Drug‐Induced Liver Injury
Notice bibliographique
Résumé
Drug-induced liver injury is an important cause of non-approval in drug development and the withdrawal of already approved drugs from the market. Screening human hepatic cell lines for toxicity has been used extensively to predict drug-induced liver injury in preclinical drug development. Assessing hepatic-cell health with more diverse markers will increase the value of in vitro assays and help predict the mechanism of toxicity. We describe three live cell-based assays using HepG2 cells to measure cell health parameters indicative of hepatotoxicity. The first assay measures cellular ATP levels using luciferase. The second and third assays are multiparametric high-content screens covering a panel of cell health markers including cell count, mitochondrial membrane potential and structure, nuclear morphology, vacuolar density, and reactive oxygen species and glutathione levels. © 2020 Wiley Periodicals LLC. Basic Protocol 1: Measurement of cellular ATP content Basic Protocol 2: High-content analysis assay to assess cell count, mitochondrial membrane potential and structure, and reactive oxygen species Basic Protocol 3: High-content analysis assay to assess nuclear morphology, vacuoles, and glutathione content Support Protocol 1: Subculturing and maintaining HepG2 cells Support Protocol 2: Plating HepG2 cell line Support Protocol 3: Transferring compounds by pin tool Support Protocol 4: Generating dose-response curves.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,005 |
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 ».