stringtranslate.com

Высокопроизводительный скрининг

Высокопроизводительные скрининговые роботы

Высокопроизводительный скрининг ( HTS ) — это метод научного открытия, особенно используемый при открытии лекарств и относящийся к областям биологии , материаловедения [1] и химии . [2] [3] Используя робототехнику , программное обеспечение для обработки/контроля данных, устройства для обработки жидкостей и чувствительные детекторы, высокопроизводительный скрининг позволяет исследователю быстро проводить миллионы химических, генетических или фармакологических тестов. Благодаря этому процессу можно быстро распознавать активные соединения, антитела или гены, которые модулируют определенный биомолекулярный путь. Результаты этих экспериментов предоставляют отправные точки для разработки лекарств и для понимания невзаимодействия или роли определенного места.

Подготовка аналитической пластины

Роботизированная рука обрабатывает аналитическую пластину

Ключевым лабораторным оборудованием или испытательным сосудом HTS является микротитровальный планшет , представляющий собой небольшой контейнер, обычно одноразовый и изготовленный из пластика, который имеет сетку из небольших открытых углублений, называемых лунками . Как правило, микропланшеты для HTS имеют 96, 192, 384, 1536, 3456 или 6144 лунок. Все они кратны 96, что отражает исходный 96-луночный микропланшет с лунками, расположенными 8 x 12 с интервалом 9 мм. Большинство лунок содержат тестовые элементы, в зависимости от характера эксперимента. Это могут быть различные химические соединения, растворенные , например, в водном растворе диметилсульфоксида (ДМСО). Лунки также могут содержать клетки или ферменты определенного типа. (Другие лунки могут быть пустыми или содержать чистый растворитель или необработанные образцы, предназначенные для использования в качестве экспериментальных контролей .)

Скрининговое учреждение обычно содержит библиотеку стандартных планшетов , содержимое которых тщательно каталогизировано, и каждый из которых мог быть создан лабораторией или получен из коммерческого источника. Сами эти стандартные планшеты не используются напрямую в экспериментах; вместо этого по мере необходимости создаются отдельные аналитические планшеты . Аналитический планшет — это просто копия стандартного планшета, созданная путем пипетирования небольшого количества жидкости (часто измеряемого в нанолитрах ) из лунок стандартного планшета в соответствующие лунки полностью пустого планшета.

Наблюдение за реакцией

Чтобы подготовиться к анализу , исследователь заполняет каждую лунку планшета каким-либо биологическим объектом, над которым он хочет провести эксперимент, например, белком , клетками или эмбрионом животного . По истечении некоторого времени инкубации, чтобы позволить биологическому веществу поглотить, связать или иным образом прореагировать (или не прореагировать) с соединениями в лунках, проводятся измерения по всем лункам планшета вручную или с помощью машины. Ручные измерения часто необходимы, когда исследователь использует микроскопию , чтобы (например) искать изменения или дефекты в эмбриональном развитии, вызванные соединениями в лунках, ища эффекты, которые компьютер не может легко определить сам по себе. В противном случае специализированная автоматическая аналитическая машина может провести ряд экспериментов на лунках (например, освещая их поляризованным светом и измеряя отражательную способность, которая может быть признаком связывания белка). В этом случае машина выводит результат каждого эксперимента в виде сетки числовых значений, причем каждое число сопоставляется со значением, полученным из одной лунки. Высокопроизводительная аналитическая машина может измерить десятки пластин всего за несколько минут, очень быстро генерируя тысячи экспериментальных точек данных.

В зависимости от результатов этого первого анализа исследователь может провести последующие анализы в рамках того же скрининга, «отбирая» жидкость из исходных лунок, которые дали интересные результаты (известные как «попадания»), в новые аналитические планшеты, а затем повторно запуская эксперимент для сбора дополнительных данных по этому суженному набору, подтверждая и уточняя наблюдения.

Системы автоматизации

Карусельная система для хранения аналитических планшетов, обеспечивающая большую емкость и высокоскоростной доступ

Автоматизация является существенным элементом полезности HTS. Обычно интегрированная роботизированная система, состоящая из одного или нескольких роботов, транспортирует аналитические микропланшеты со станции на станцию ​​для добавления образцов и реагентов, смешивания, инкубации и, наконец, считывания или обнаружения. Система HTS обычно может подготавливать, инкубировать и анализировать множество планшетов одновременно, что еще больше ускоряет процесс сбора данных. В настоящее время существуют роботы HTS, которые могут тестировать до 100 000 соединений в день. [4] [5] Автоматические сборщики колоний собирают тысячи микробных колоний для высокопроизводительного генетического скрининга. [6] Термин uHTS или сверхвысокопроизводительный скрининг относится (около 2008 г.) к скринингу свыше 100 000 соединений в день. [7]

Экспериментальный дизайн и анализ данных

Благодаря возможности быстрого скрининга различных соединений (таких как малые молекулы или siRNA ) для идентификации активных соединений, HTS привел к взрывному росту скорости генерации данных в последние годы. [8] Следовательно, одной из самых фундаментальных проблем в экспериментах HTS является извлечение биохимической значимости из кучи данных, что зависит от разработки и принятия соответствующих экспериментальных проектов и аналитических методов как для контроля качества, так и для выбора попаданий. [9] Исследования HTS являются одной из областей, которые имеют особенность, описанную Джоном Блюмом, главным научным сотрудником Applied Proteomics, Inc., следующим образом: вскоре, если ученый не понимает некоторую статистику или элементарные технологии обработки данных, он или она не может считаться настоящим молекулярным биологом и, таким образом, просто станет «динозавром». [10]

Контроль качества

Высококачественные анализы HTS имеют решающее значение в экспериментах HTS. Разработка высококачественных анализов HTS требует интеграции как экспериментальных, так и вычислительных подходов для контроля качества (QC). Три важных средства контроля качества: (i) хорошая конструкция планшета, (ii) выбор эффективных положительных и отрицательных химических/биологических контролей и (iii) разработка эффективных метрик контроля качества для измерения степени дифференциации, чтобы можно было идентифицировать анализы с более низким качеством данных. [11] Хорошая конструкция планшета помогает выявлять систематические ошибки (особенно те, которые связаны с положением лунки) и определять, какую нормализацию следует использовать для устранения/снижения влияния систематических ошибок как на контроль качества, так и на выбор попаданий. [9]

Эффективные аналитические методы контроля качества служат привратником для превосходных качественных анализов. В типичном эксперименте HTS четкое различие между положительным контролем и отрицательным эталоном, таким как отрицательный контроль, является показателем хорошего качества. Было предложено много мер оценки качества для измерения степени дифференциации между положительным контролем и отрицательным эталоном. Для оценки качества данных были приняты отношение сигнал/фон, отношение сигнал/шум, сигнальное окно, отношение изменчивости анализа и Z-фактор . [9] [12] Недавно была предложена строго стандартизированная средняя разница ( SSMD ) для оценки качества данных в анализах HTS. [13] [14]

Выбор хита

Соединение с желаемым размером эффектов в HTS называется хитом. Процесс выбора хитов называется выбором хита. Аналитические методы выбора хита в скринингах без повторов (обычно в первичных скринингах) отличаются от методов с повторами (обычно в подтверждающих скринингах). Например, метод z-score подходит для скринингов без повторов, тогда как t-статистика подходит для скринингов с повторами. Расчет SSMD для скринингов без повторов также отличается от расчета для скринингов с повторами. [9]

Для выбора хитов в первичных скринингах без повторов легко интерпретируемыми являются среднее кратное изменение, средняя разница, процент ингибирования и процент активности. Однако они не фиксируют изменчивость данных эффективно. Метод z-score или SSMD, который может фиксировать изменчивость данных на основе предположения, что каждое соединение имеет ту же изменчивость, что и отрицательный эталон в скринингах. [15] [16] Однако выбросы являются обычным явлением в экспериментах HTS, и такие методы, как z-score, чувствительны к выбросам и могут быть проблематичными. Как следствие, были предложены и приняты надежные методы, такие как метод z*-score, SSMD*, метод B-score и метод на основе квантилей для выбора хитов. [5] [9] [17] [18]

В скрининге с повторами мы можем напрямую оценить изменчивость для каждого соединения; как следствие, мы должны использовать SSMD или t-статистику, которая не полагается на сильное предположение, на которое опираются z-оценка и z*-оценка. Одна из проблем с использованием t-статистики и связанных с ней p-значений заключается в том, что на них влияет как размер выборки, так и размер эффекта. [19] Они получены из тестирования на отсутствие средней разницы и, таким образом, не предназначены для измерения размера эффектов соединений. Для выбора попадания основной интерес представляет размер эффекта в тестируемом соединении. SSMD напрямую оценивает размер эффектов. [20] Также было показано, что SSMD лучше других обычно используемых размеров эффектов. [21] Значение популяции SSMD сопоставимо между экспериментами, и, таким образом, мы можем использовать то же самое пороговое значение для значения популяции SSMD для измерения размера эффектов соединений. [22]

Методы повышения производительности и эффективности

Уникальные распределения соединений по одному или нескольким планшетам могут использоваться либо для увеличения количества анализов на планшет, либо для уменьшения дисперсии результатов анализа, либо для того и другого. Упрощающее предположение, сделанное в этом подходе, заключается в том, что любые N соединений в одной и той же лунке обычно не будут взаимодействовать друг с другом или с целевым объектом анализа таким образом, который принципиально меняет способность анализа обнаруживать истинные попадания.

Например, представьте себе планшет, в котором соединение A находится в лунках 1-2-3, соединение B находится в лунках 2-3-4, а соединение C находится в лунках 3-4-5. При анализе этого планшета против заданной цели, попадание в лунки 2, 3 и 4 будет указывать на то, что соединение B является наиболее вероятным агентом, а также обеспечивать три измерения эффективности соединения B против указанной цели. Коммерческие приложения этого подхода включают комбинации, в которых никакие два соединения никогда не делят более одной лунки, чтобы уменьшить (второй порядок) возможность интерференции между парами проверяемых соединений.

Последние достижения

Автоматизация и форматы анализа малого объема были использованы учеными из NIH Chemical Genomics Center (NCGC) для разработки количественного HTS (qHTS), парадигмы для фармакологического профилирования больших химических библиотек посредством генерации полных соотношений концентрация-реакция для каждого соединения. С сопутствующим программным обеспечением для подгонки кривой и хемоинформатики данные qHTS дают половину максимальной эффективной концентрации (EC50), максимальный ответ, коэффициент Хилла (nH) для всей библиотеки, что позволяет оценивать зарождающиеся соотношения структура-активность (SAR). [23]

В марте 2010 года было опубликовано исследование, демонстрирующее процесс HTS, позволяющий проводить скрининг в 1000 раз быстрее (100 миллионов реакций за 10 часов) при стоимости в 1 миллион раз меньше (используя в 10−7 раз больше объема реагента), чем при использовании традиционных методов с использованием капельной микрофлюидики. [23] Капли жидкости, разделенные маслом, заменяют лунки микропланшета и позволяют проводить анализ и сортировку попаданий, пока реагенты протекают по каналам.

В 2010 году исследователи разработали кремниевый лист линз, который можно разместить над микрофлюидными матрицами, чтобы обеспечить измерение флуоресценции 64 различных выходных каналов одновременно с помощью одной камеры. [24] Этот процесс позволяет анализировать 200 000 капель в секунду.

В 2013 году исследователи раскрыли подход с малыми молекулами из растений. В целом, важно обеспечить высококачественные проверки концепции на ранних этапах процесса открытия лекарств. Здесь технологии, которые позволяют идентифицировать мощные, селективные и биодоступные химические зонды, представляют решающий интерес, даже если полученные соединения требуют дальнейшей оптимизации для разработки в фармацевтический продукт. Ядерный рецептор RORα, белок, который был нацелен на протяжении более десятилетия для идентификации мощных и биодоступных агонистов, был использован в качестве примера очень сложной лекарственной мишени. Попадания подтверждаются на этапе скрининга из-за колоколообразной кривой. Этот метод очень похож на количественный метод HTS (скрининг и подтверждение попадания одновременно), за исключением того, что использование этого подхода значительно уменьшает количество точек данных и может легко скрининговать более 100 000 биологически значимых соединений. [25]

В то время как традиционный метод HTS для открытия лекарств использует очищенные белки или целые клетки, недавнее развитие технологии связано с использованием целых живых организмов, таких как нематода Caenorhabditis elegans и данио-рерио ( Danio rerio ). [26]

В 2016–2018 годах производители планшетов начали выпускать специализированную химию, позволяющую массово производить поверхности с ультранизкой адгезией и отталкиванием клеток, что способствовало быстрой разработке анализов, поддающихся HTS, для решения проблемы обнаружения противораковых препаратов в трехмерных тканях, таких как органоиды и сфероиды; более физиологически релевантный формат. [27] [28] [29]

Растущее использование HTS в академических кругах для биомедицинских исследований

HTS — сравнительно недавнее новшество, ставшее возможным в значительной степени благодаря современным достижениям в области робототехники и высокоскоростных компьютерных технологий. Для проведения операции HTS по-прежнему требуется высокоспециализированная и дорогая скрининговая лаборатория, поэтому во многих случаях исследовательский институт небольшого или среднего размера будет использовать услуги существующего объекта HTS, а не создавать свой собственный.

В академической среде существует тенденция, когда университеты становятся собственными предприятиями по разработке лекарств. [30] Эти возможности, которые обычно встречаются только в промышленности, теперь все чаще встречаются и в университетах. Например, в Калифорнийском университете в Лос-Анджелесе есть лаборатория открытого доступа HTS Molecular Screening Shared Resources (MSSR, UCLA), которая может ежедневно проверять более 100 000 соединений на регулярной основе. Политика открытого доступа гарантирует, что исследователи со всего мира могут воспользоваться этим средством без длительных переговоров по правам интеллектуальной собственности. С библиотекой соединений из более чем 200 000 малых молекул MSSR имеет одну из крупнейших колод соединений среди всех университетов на западном побережье. Кроме того, MSSR обладает возможностями полной функциональной геномики (геномная siRNA, shRNA, cDNA и CRISPR), которые дополняют усилия по малым молекулам: функциональная геномика использует возможности HTS для выполнения скрининга по всему геному, который исследует функцию каждого гена в контексте интереса либо путем отключения каждого гена, либо путем его сверхэкспрессии. Параллельный доступ к высокопроизводительному скринингу малых молекул и скринингу по всему геному позволяет исследователям выполнять идентификацию и валидацию цели для данного заболевания или определения способа действия на малой молекуле. Наиболее точные результаты могут быть получены при использовании «массивных» функциональных геномных библиотек, т. е. каждая библиотека содержит одну конструкцию, например, одну siRNA или кДНК. Функциональная геномика обычно сочетается с высококонтентным скринингом с использованием, например, эпифлуоресцентной микроскопии или лазерной сканирующей цитометрии.

В Университете Иллинойса также есть центр для HTS, как и в Университете Миннесоты. Институт наук о жизни в Мичиганском университете размещает центр HTS в Центре химической геномики. В Колумбийском университете есть общий ресурсный центр HTS с ~300 000 разнообразных малых молекул и ~10 000 известных биоактивных соединений, доступных для биохимического, клеточного и основанного на NGS скрининге. В Рокфеллеровском университете есть открытый ресурсный центр HTSRC (The Rockefeller University, HTSRC), который предлагает библиотеку из более чем 380 000 соединений. Лаборатория высокопроизводительного анализа Северо-Западного университета поддерживает идентификацию целей, валидацию, разработку анализов и скрининг соединений. Некоммерческий Sanford Burnham Prebys Medical Discovery Institute также имеет давний центр HTS в Conrad Prebys Center for Chemical Genomics, который был частью MLPCN. Некоммерческий исследовательский центр молекулярного скрининга Scripps (SRMSC) [31] продолжает обслуживать академические круги в институтах после эры MLPCN. Объект SRMSC uHTS поддерживает одну из крупнейших библиотечных коллекций в академических кругах, в настоящее время насчитывающую более 665 000 малых молекулярных объектов, и регулярно проверяет полную коллекцию или подбиблиотеки в поддержку грантовых инициатив с несколькими ПИ.

В Соединенных Штатах Национальные институты здравоохранения (NIH) создали общенациональный консорциум центров скрининга малых молекул для производства инновационных химических инструментов для использования в биологических исследованиях. Сеть центров производства зондов молекулярных библиотек (MLPCN) выполняет HTS на анализах, предоставленных исследовательским сообществом, против большой библиотеки малых молекул, хранящейся в центральном репозитории молекул.

Смотрите также

Ссылки

  1. ^ Чжао, Ичэн; Хоймюллер, Томас; Чжан, Цзиюнь; Ло, Цзюньшэн; Касиан, Ольга; Лангнер, Стефан; Купфер, Кристиан; Лю, Боуэн; Чжун, Юй; Элия, Джек; Освет, Андрес; У, Цзяньчан; Лю, Чао; Вань, Чжунцюань; Цзя, Чуньян; Ли, Нин; Хаух, Йенс; Брабек, Кристоф Дж. (16 декабря 2021 г.). «Двухслойная проводящая полимерная структура для планарных перовскитных солнечных элементов с более чем 1400-часовой эксплуатационной стабильностью при повышенных температурах». Nature Energy . 7 (2): 144–152. Bibcode :2022NatEn...7..144Z. doi :10.1038/s41560-021-00953-z. ISSN  2058-7546. S2CID  245285868.
  2. ^ Инглез Дж. и Олд Д.С. (2009) Применение методов высокопроизводительного скрининга (HTS): применение в химической биологии в энциклопедии химической биологии издательства Wiley (Wiley & Sons, Inc., Хобокен, Нью-Джерси), том 2, стр. 260–274, doi/10.1002/9780470048672.wecb223.
  3. ^ Macarron, R.; Banks, MN; Bojanic, D.; Burns, DJ; Cirovic, DA; Garyantes, T.; Green, DV; Hertzberg, RP; Janzen, WP; Paslay, JW; Schopfer, U.; Sittampalam, GS (2011). «Влияние высокопроизводительного скрининга на биомедицинские исследования». Nat Rev Drug Discov . 10 (3): 188–195. doi :10.1038/nrd3368. PMID  21358738. S2CID  205477370.
  4. ^ Ханн М.М., Oprea TI (июнь 2004 г.). «Реализация концепции свинцового сходства в фармацевтических исследованиях». Curr Opin Chem Biol . 8 (3): 255–63. дои : 10.1016/j.cbpa.2004.04.003. ПМИД  15183323.
  5. ^ ab Caraus, I.; Alsuwailem, AA; Nadon, R.; Makarenkov, V. (2015-11-01). «Обнаружение и преодоление систематических смещений в технологиях высокопроизводительного скрининга: всесторонний обзор практических вопросов и методологических решений». Briefings in Bioinformatics . 16 (6): 974–986. doi : 10.1093/bib/bbv004 . ISSN  1467-5463. PMID  25750417.
  6. ^ Хеддл, К.; Мазалейрат, С.Л. (2007). «Разработка платформы скрининга для направленной эволюции с использованием флуоресцентного белка рифовых кораллов ZsGreen в качестве репортера растворимости». Protein Engineering Design and Selection . 20 (7): 327–337. doi : 10.1093/protein/gzm024 . ISSN  1741-0126. PMID  17584755.
  7. ^ Майкл, Сэм; Олд, Дуглас; Клампп, Карлин; Джадхав, Аджит; Чжэн, Вэй; Торн, Наташа; Остин, Кристофер П.; Инглез, Джеймс; Симеонов, Антон (2008). «Роботизированная платформа для количественного высокопроизводительного скрининга». Технологии анализа и разработки лекарств . 6 (5): 637–657. doi :10.1089/adt.2008.150. ISSN  1540-658X. PMC 2651822. PMID 19035846  . 
  8. ^ Howe D, Costanzo M, Fey P, Gojobori T, Hannick L, Hide W, Hill DP, Kania R, Schaeffer M, Pierre SS, Twigger S, White O, Rhee SY (2008). «Большие данные: будущее биокурирования». Nature . 455 (7209): 47–50. Bibcode :2008Natur.455...47H. doi :10.1038/455047a. PMC 2819144 . PMID  18769432. 
  9. ^ abcde Zhang XHD (2011). Оптимальный высокопроизводительный скрининг: практический экспериментальный дизайн и анализ данных для исследований РНК-интерференции в масштабе генома . Cambridge University Press. ISBN 978-0-521-73444-8.
  10. ^ Эйзенштейн М (2006). «Контроль качества». Nature . 442 (7106): 1067–70. Bibcode : 2006Natur.442.1067E. doi : 10.1038/4421067a . PMID  16943838.
  11. ^ Zhang XH, Espeseth AS, Johnson EN, Chin J, Gates A, Mitnaul LJ, Marine SD, Tian J, Stec EM, Kunapuli P, Holder DJ, Heyse JF, Strulocivi B, Ferrer M (2008). «Интеграция экспериментальных и аналитических подходов для улучшения качества данных в скринингах РНК-интерференции в масштабе генома». Журнал биомолекулярного скрининга . 13 (5): 378–89. doi : 10.1177/1087057108317145 . PMID  18480473. S2CID  22679273.
  12. ^ Zhang JH, Chung TD, Oldenburg KR (1999). «Простой статистический параметр для использования при оценке и проверке высокопроизводительных скрининговых анализов». Журнал биомолекулярного скрининга . 4 (2): 67–73. doi : 10.1177/108705719900400206 . PMID  10838414. S2CID  36577200.
  13. ^ Чжан, XHD (2007). «Пара новых статистических параметров для контроля качества в высокопроизводительных скрининговых анализах РНК-интерференции». Геномика . 89 (4): 552–61. doi :10.1016/j.ygeno.2006.12.014. PMID  17276655.
  14. ^ Чжан XHD (2008). «Новые аналитические критерии и эффективные конструкции планшетов для контроля качества при скрининге РНК-интерференции в масштабе генома». Журнал биомолекулярного скрининга . 13 (5): 363–77. doi : 10.1177/1087057108317062 . PMID  18567841. S2CID  12688742.
  15. ^ Чжан XHD (2007). «Новый метод с гибким и сбалансированным контролем ложноотрицательных и ложноположительных результатов для выбора хитов в высокопроизводительных скрининговых анализах РНК-интерференции». Журнал биомолекулярного скрининга . 12 (5): 645–55. doi : 10.1177/1087057107300645 . PMID  17517904.
  16. ^ Zhang XH, Ferrer M, Espeseth AS, Marine SD, Stec EM, Crackower MA, Holder DJ, Heyse JF, Strulovici B (2007). «Использование строго стандартизированной средней разницы для выбора хитов в высокопроизводительных экспериментах по скринингу с первичной интерференцией РНК». Журнал биомолекулярного скрининга . 12 (4): 645–55. doi : 10.1177/1087057107300646 . PMID  17435171. S2CID  7542230.
  17. ^ Zhang XH, Yang XC, Chung N, Gates A, Stec E, Kunapuli P, Holder DJ, Ferrer M, Espeseth AS (2006). «Надежные статистические методы выбора попаданий в высокопроизводительных скрининговых экспериментах с интерференцией РНК». Pharmacogenomics . 7 (3): 299–09. doi :10.2217/14622416.7.3.299. PMID  16610941.
  18. ^ Бридо C, Гюнтер G, Пикунис B, Лиав A (2003). «Улучшенные статистические методы отбора попаданий при высокопроизводительном скрининге». Журнал биомолекулярного скрининга . 8 (6): 634–47. doi : 10.1177/1087057103258285 . PMID  14711389.
  19. ^ Коэн Дж. (1994). «Земля круглая (P-Less-Than.05)». Американский психолог . 49 (12): 997–1003. doi :10.1037/0003-066X.49.12.997. ISSN  0003-066X.
  20. ^ Чжан XHD (2009). «Метод эффективного сравнения эффектов генов в нескольких условиях в исследованиях РНК-интерференции и профилирования экспрессии». Фармакогеномика . 10 (3): 345–58. doi :10.2217/14622416.10.3.345. PMID  20397965.
  21. ^ Чжан XHD (2010). «Строго стандартизированная средняя разность, стандартизированная средняя разность и классический t-критерий Стьюдента для сравнения двух групп». Статистика в биофармацевтических исследованиях . 2 (2): 292–99. doi :10.1198/sbr.2009.0074. S2CID  119825625.
  22. ^ Чжан XHD (2010). «Оценка размера эффектов гена или РНКi в многофакторных высокопроизводительных экспериментах». Фармакогеномика . 11 (2): 199–213. doi :10.2217/PGS.09.136. PMID  20136359.
  23. ^ ab Inglese, J.; Auld, DS; Jadhav, A.; Johnson, RL; Simeonov, A.; Yasgar, A.; Zheng, W.; Austin, CP (2006). «Количественный высокопроизводительный скрининг (qHTS): подход на основе титрования, который эффективно определяет биологическую активность в больших химических библиотеках». Proc. Natl. Acad. Sci. USA . 103 (31): 11473–11478. Bibcode :2006PNAS..10311473I. doi : 10.1073/pnas.0604348103 . PMC 1518803 . PMID  16864780. 
  24. ^ Schonbrun, E; Abate, A. R; Steinvurzel, P. E; Weitz, D. A; Crozier, K. B (2010). «Высокопроизводительное обнаружение флуоресценции с использованием интегрированной зонной пластинчатой ​​матрицы». Lab on a Chip . 10 (7). Королевское химическое общество : 852–856. CiteSeerX 10.1.1.662.8909 . doi : 10.1039/b923554j. PMID  20300671. 
    • «Сочетание микрофлюидики и оптики может способствовать развитию устройств типа «лаборатория на чипе». ScienceDaily (пресс-релиз). 22 февраля 2010 г.
  25. ^ Helleboid S, Haug C, Lamottke K и др. Идентификация природного неорускогенина как биодоступного, сильного и высокоаффинного агониста ядерного рецептора RORα (NR1F1). Журнал биомолекулярного скрининга. 2014;19(3):399-406. https://doi.org/10.1177/1087057113497095.
  26. ^ Атанасов А.Г., Вальтенбергер Б., Пферши-Венциг Э.М., Линдер Т., Ваврош С., Ухрин П., Теммл В., Ван Л., Швайгер С., Хейсс Э.Х., Роллингер Дж.М., Шустер Д., Бреусс Дж.М., Бочков В., Миховилович М.Д., Копп Б. , Бауэр Р., Дирш В.М., Штуппнер Х. (2015). «Открытие и пополнение запасов фармакологически активных натуральных продуктов растительного происхождения: обзор». Биотехнология. Адв . 33 (8): 1582–614. doi :10.1016/j.biotechadv.2015.08.001. ПМЦ 4748402 . ПМИД  26281720. 
  27. ^ Kota, S.; Hou, S.; Guerrant, W.; Madoux, F.; Troutman, S.; Fernandez-Vega, V.; Alekseeva, N.; Madala, N.; Scampavia, L.; Kissil, J.; Spicer, TP. (10 мая 2018 г.). «Новый трехмерный высокопроизводительный скрининговый подход выявляет индукторы селективного летального фенотипа мутантного KRAS». Oncogene . 37 (32): 4372–4384. doi :10.1038/s41388-018-0257-5. PMC 6138545 . PMID  29743592. 
  28. ^ Хоу, С.; Тириак, Х.; Шридхаран, Б. П.; Скампавия, Л.; Маду, Ф.; Селдин, Дж.; Соуза, ГР.; Уотсон, Д.; Тувесон, Д.; Спайсер, Т. П. (Июль 2018 г.). «Усовершенствованная разработка моделей первичных органоидных опухолей поджелудочной железы для высокопроизводительного фенотипического скрининга лекарственных препаратов». SLAS Discovery . 23 (6): 574–584. doi : 10.1177/2472555218766842. PMC 6013403. PMID  29673279 . 
  29. ^ Madoux, F.; Tanner, A.; Vessels, M.; Willetts, L.; Hou, S.; Scampavia, L.; Spicer, TP. (Июнь 2017 г.). «1536-луночный 3D-анализ жизнеспособности для оценки цитотоксического эффекта лекарств на сфероиды». SLAS Discovery . 22 (5): 516–524. doi : 10.1177/2472555216686308 . PMID  28346088.
  30. ^ Dove, Alan (2007). «Высокопроизводительный скрининг идет в школу». Nature Methods . 4 (6): 523–532. doi : 10.1038/nmeth0607-523 . ISSN  1548-7091. S2CID  28059031.
  31. ^ Baillargeon P, Fernandez-Vega V, Sridharan BP, Brown S, Griffin PR, Rosen H, et al. (2019). «Центр молекулярного скрининга и институт трансляционных исследований Скриппса». SLAS Discov . 24 (3): 386–397. doi : 10.1177/2472555218820809 . PMC 7724958. PMID 30682260.  S2CID 59274228  . 

Дальнейшее чтение

Внешние ссылки