Application of a High-Content Screening Assay Utilizing Primary Human Lung Fibroblasts to Identify Antifibrotic Drugs for Rapid Repurposing in COVID-19 Patients
Notice bibliographique
Résumé
Lung imaging and autopsy reports among COVID-19 patients show elevated lung scarring (fibrosis). Early data from COVID-19 patients as well as previous studies from severe acute respiratory syndrome, Middle East respiratory syndrome, and other respiratory disorders show that the extent of lung fibrosis is associated with a higher mortality, prolonged ventilator dependence, and poorer long-term health prognosis. Current treatments to halt or reverse lung fibrosis are limited; thus, the rapid development of effective antifibrotic therapies is a major global medical need that will continue far beyond the current COVID-19 pandemic. Reproducible fibrosis screening assays with high signal-to-noise ratios and disease-relevant readouts such as extracellular matrix (ECM) deposition (the hallmark of fibrosis) are integral to any antifibrotic therapeutic development. Therefore, we have established an automated high-throughput and high-content primary screening assay measuring transforming growth factor-β (TGFβ)-induced ECM deposition from primary human lung fibroblasts in a 384-well format. This assay combines longitudinal live cell imaging with multiparametric high-content analysis of ECM deposition. Using this assay, we have screened a library of 2743 small molecules representing approved drugs and late-stage clinical candidates. Confirmed hits were subsequently profiled through a suite of secondary lung fibroblast phenotypic screening assays quantifying cell differentiation, proliferation, migration, and apoptosis. In silico target prediction and pathway network analysis were applied to the confirmed hits. We anticipate this suite of assays and data analysis tools will aid the identification of new treatments to mitigate against lung fibrosis associated with COVID-19 and other fibrotic diseases.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».