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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».