Development of a new hazard scoring system in primary neuronal cell cultures for drug-induced acute neuronal toxicity identification in early drug discovery
Notice bibliographique
Résumé
We investigated drug-induced acute neuronal electrophysiological changes using Micro-Electrode arrays (MEA) to rat primary neuronal cell cultures. Data based on 6-key MEA parameters were analyzed for plate-to-plate vehicle variability, effects of positive and negative controls, as well as data from over 100 reference drugs, mostly known to have pharmacological phenotypic and clinical outcomes. A Least Absolute Shrinkage and Selection Operator (LASSO) regression, coupled with expert evaluation helped to identify the 6-key parameters from many other MEA parameters to evaluate the drug-induced acute neuronal changes. Calculating the statistical tolerance intervals for negative-positive control effects on those 4-key parameters helped us to develop a new weighted hazard scoring system on drug-induced potential central nervous system (CNS) adverse effects (AEs). The weighted total score, integrating the effects of a drug candidate on the identified six-pivotal parameters, simply determines if the testing compound/concentration induces potential CNS AEs. Hereto, it uses four different categories of hazard scores: non-neuroactive, neuroactive, hazard, or high hazard categories. This new scoring system was successfully applied to differentiate the new compounds with or without CNS AEs, and the results were correlated with the outcome of in vivo studies in mice for one internal program. Furthermore, the Random Forest classification method was used to obtain the probability that the effect of a compound is either inhibitory or excitatory. In conclusion, this new neuronal scoring system on the cell assay is actively applied in the early de-risking of drug development and reduces the use of animals and associated costs.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».