筛选模型
- 格式:doc
- 大小:74.00 KB
- 文档页数:5
脂多糖(LPS)诱导的小鼠肺炎模型筛选服务
脂多糖(LPS)是内毒素的主要成分,来源于革兰氏阴性菌细胞壁的外膜,在污染的空气、职业性粉尘(谷物粉等)、香烟中到处都有LPS,职业性和环境性的吸人一定浓度的上述物质后可引起或加重一系列临床病症,如哮喘、支气管肺炎等。
LPS引起支气管肺炎后经及时有效治疗可痊愈,否则,病程迁延,气道炎症反复发作可变成慢性支气管炎,如继续接触高浓度的脂多糖,病情将进行性加重,最终发展成为肺心病。
研究发现,LPS在体内外引起多种细胞高表达趋化因子和致炎因子 ,在肺组织中引起中性粒细胞聚集增多的主要细胞因子是IL-1β和TNF-α。
服务项目:
正常组 肺组织基本正常。
(×200)
模型组 血管周围水肿明显,局部肺泡壁明显充血。
(×200)
受试药物 肺泡壁基本正常,无明显充血、无炎细胞浸润,肺泡腔清晰。
(×200)。
变量筛选在预测模型中的重要性变量筛选在预测模型中的重要性在预测模型中,变量筛选是非常重要的一步。
通过变量筛选,我们可以确定哪些变量对于模型的预测能力贡献较大,从而为我们提供更准确的预测结果。
变量筛选的目的是去除那些对模型预测能力影响较小的变量,从而降低模型的复杂性,并提高预测的准确性。
变量筛选可以通过多种方法来实现,下面我们将介绍一些常用的方法。
一种常用的变量筛选方法是基于统计学的方法,如t检验和方差分析。
这些方法可以用来确定变量是否与预测目标相关。
通过计算变量和预测目标之间的相关系数或差异是否显著,我们可以判断该变量的重要性。
如果相关系数较高或差异显著,则可以认为该变量对于预测模型的准确性有较大的影响。
另一种常用的变量筛选方法是基于机器学习的方法,如随机森林和支持向量机。
这些方法可以根据变量的重要性指标来进行筛选。
随机森林可以通过计算变量在随机森林中的分裂贡献度或准确率的变化来评估变量的重要性。
支持向量机可以通过计算变量的权重来评估变量的重要性。
根据这些指标,我们可以选择保留重要的变量并去除不重要的变量。
此外,还有一些其他的变量筛选方法,如L1正则化和递归特征消除。
L1正则化可以通过对模型添加正则化项来约束模型的复杂性,从而实现变量筛选。
递归特征消除可以通过反复训练模型并剔除权重较低的变量来实现变量筛选。
变量筛选在预测模型中具有重要的作用。
通过变量筛选,我们可以提高模型的准确性和解释性。
同时,变量筛选还可以减少模型的复杂性,提高模型的鲁棒性和泛化能力。
总之,变量筛选在预测模型中是一项重要的工作。
通过选择重要的变量并去除不重要的变量,我们可以提高模型的准确性和解释性,从而为我们提供更可靠的预测结果。
在选择变量筛选方法时,我们需要根据具体的问题和数据特点来选择适合的方法,并结合专业知识进行判断和解释。
变量筛选是预测模型中不可或缺的一环,它为我们提供了更准确的预测结果和更深入的洞察力。
环境污染应急处置技术的CBR-MADM两步筛选法模型刘仁涛;郭亮;姜继平;刘洁;王鹏【期刊名称】《中国环境科学》【年(卷),期】2015(000)003【摘要】突发环境污染事件进行应急处置时,需要在历史案例库和处置技术库的基础上通过筛选模型筛选出最适宜的应急处置技术.其中筛选的效率和准确性是构建技术筛选模型的首要因素,目前尚无较为满意的解决方案.本文结合案例推理技术(CBR)和模糊多属性群决策模型(MADM)的优势,建立了环境污染应急处置技术的CBR-MADM两步筛选法模型:第1步,先利用基于熵权G1法的CBR推理从案例库中匹配案例,再从相似度最高的几个案例中提取应急处置技术作为备选技术;第2步,利用 MADM 对备选技术进行筛选和决策.CBR-MADM两步筛选法既充分利用了历史处置经验,又极大地提高了应急处置技术的筛选速度和效率.将该方法应用于2012年底山西长治浊漳河苯胺泄漏污染事件中,成功筛选出“投加混凝剂-活性炭坝拦截”技术,同实际情况吻合,验证了其适用性和可行性.【总页数】10页(P943-952)【作者】刘仁涛;郭亮;姜继平;刘洁;王鹏【作者单位】哈尔滨工业大学市政环境工程学院,黑龙江哈尔滨 150090; 黑龙江建筑职业技术学院市政工程技术学院,黑龙江哈尔滨 150025;哈尔滨工业大学市政环境工程学院,黑龙江哈尔滨 150090; 哈尔滨工业大学城市水资源与水环境国家重点实验室,黑龙江哈尔滨 150090;哈尔滨工业大学市政环境工程学院,黑龙江哈尔滨 150090;哈尔滨工业大学市政环境工程学院,黑龙江哈尔滨 150090;哈尔滨工业大学市政环境工程学院,黑龙江哈尔滨 150090; 哈尔滨工业大学城市水资源与水环境国家重点实验室,黑龙江哈尔滨 150090【正文语种】中文【中图分类】X52【相关文献】1.国家环境保护总局关于印发《“SARS”病毒污染的污水应急处理技术方案》和《“SARS”病毒污染的废弃物应急处理处置技术方案》的通知环明传[2003]3号[J],2.基于CBR-AHP的环境污染应急处置技术筛选研究 [J], 李佳慧;孙继宸3.基于风险损失量化模型的网络安全应急处置技术研究 [J], 韩志峰;郑瑞刚;许暖4.基于风险损失量化模型的网络安全应急处置技术研究 [J], 韩志峰;郑瑞刚;许暖5.四川省非洲猪瘟疫情应急处置技术培训暨应急演练竞赛在内江成功举办 [J],因版权原因,仅展示原文概要,查看原文内容请购买。
大数据环境下的资料筛选技巧在大数据环境下,如何高效地进行资料筛选是一个值得探讨的话题。
随着信息时代的到来,我们面对的数据规模不断增大,如何从海量数据中筛选出有价值的信息,对于提高工作效率和决策能力至关重要。
本文将为您介绍一些可行的资料筛选技巧,帮助您在大数据环境中更加准确、高效地进行资料筛选。
1. 确定筛选目标在进行资料筛选之前,首先需要明确筛选的目标和需求是什么。
这样可以帮助您准确把握筛选方向,并避免盲目浪费时间和资源。
例如,如果您需要搜集某个行业的市场数据,那么您的筛选目标就是与该行业相关的数据。
2. 有效利用搜索引擎搜索引擎是我们日常工作中不可或缺的工具之一。
在大数据环境下,正确使用搜索引擎可以快速捕捉到所需资料。
以下是一些搜索技巧:- 使用准确的关键词:选择与您所需资料相关的词汇,并在搜索引擎中进行搜索。
尽量减少使用模糊的关键词,以避免浪费时间浏览无用信息。
- 使用筛选工具:大多数搜索引擎都提供了一些筛选工具,如时间范围、文件类型等。
根据您的需求,合理利用这些筛选工具可以帮助您更快地找到所需资料。
3. 借助数据挖掘技术数据挖掘技术是在大数据环境中进行资料筛选的强有力工具。
它可以帮助您从海量数据中发现潜在的规律和关联,并据此做出有针对性的筛选。
以下是一些常用的数据挖掘技术:- 关联规则挖掘:通过分析数据中的关联规则,可以找到某些特定条件下出现的数据项。
例如,根据用户购买历史数据,可以发现购买某一产品的用户也可能会购买其他相关产品。
- 聚类分析:将数据分为若干个类别,使得同类别内的数据相似度较高,不同类别之间的相似度较低。
这有助于找到具有相似特征的数据集。
- 文本挖掘:通过分析文本数据中的关键词、词频等信息,可以帮助您快速定位到感兴趣的文本。
4. 建立筛选模型针对自己的需求,可以建立一个筛选模型,根据特定的规则对数据进行筛选。
例如,当资料中的某些特征满足某一条件时,将其纳入筛选范围。
通过建立模型,可以减少主观因素的干扰,提高筛选的准确性和效率。
结构方程模型筛选变量引言结构方程模型(S tru c tu ra lE qu at io nMo d el in g,SE M)是一种统计分析方法,用于检验和建立变量之间的关系模型。
变量筛选是S EM分析中的一个重要步骤,它可以帮助研究者确定哪些变量对于模型的拟合和解释具有重要影响,从而提高模型的准确性和解释力。
变量筛选的意义在研究过程中,往往会面临大量的变量选择问题。
变量筛选的主要目的是剔除无关或冗余的变量,保留对模型拟合和解释具有显著影响的重要变量。
这样可以提高模型的简洁性和解释力,减少模型复杂程度带来的困扰,并能更好地理解变量之间的关系。
变量筛选方法变量筛选方法多种多样,根据研究问题和数据类型的不同,可以选择不同的方法来进行变量筛选。
常用的变量筛选方法包括以下几种:相关性分析相关性分析是一种简单直观的变量筛选方法。
通过计算变量之间的相关系数,可以初步了解变量之间的关系强度。
一般来说,与因变量相关性较高的自变量往往具有较大的解释能力,因此可以优先选择与因变量相关性较高的自变量作为重要变量。
主成分分析主成分分析(Pr in ci p al Co mp on en tA nal y si s,PC A)是一种通过线性变换将原始变量转换为一组互不相关的综合指标的方法。
在主成分分析中,选取前几个主成分作为重要变量,可以保留原始变量中主要信息的同时减少变量的个数。
因子分析因子分析是一种通过降维将多个相关变量转化为少数几个潜在公共因子的方法。
在因子分析中,选取与某个潜在因子的相关系数较高的变量作为重要变量,可以将原始变量的维度减少为潜在因子的个数。
正交偏最小二乘(OP L S)正交偏最小二乘(Or t ho go na lP ar ti alL e as tS qu ar es,O PL S)是一种利用线性回归方法对多个自变量与因变量之间的关系进行建模的方法。
在O PL S中,通过计算各个变量对模型预测能力的贡献,可以对变量进行筛选。
药物筛选摘要:年来,随着科学技术的进步,药物筛选技术发生了巨大变化,出现了以快遣、徽童、大规模为特.点,应用多种先进技术手段的高通童药物筛选方法。
应用现代科学技术进行中药现代化研究,是促进中药现代化研究的重要途径之一。
本文通过介绍最新技术,讨论了药物筛选新技术在中药现代化研究中的应用,主要探讨了在中药活性成分、中药理论、中药复方、中药作用机制等方面的研究中,药物筛选新技术的应用可能性和已有的尝试,从方法学的角度为中药现代化研究提供新的思路,供研究人员参考。
关键词:药物筛选、中药现代化研究、新方法应用医药产业是事关国家未来经济社会发展的重要战略性产业,是世界公认的最具发展前景的国际化高技术产业之一。
新药研发带来的新技术创新和新品种上市是推动医药产业发展的源动力。
随着现代科技的发展,计算机模拟设计、化学合成、生物提取、天然产物提取等领域的技术突飞猛进,使得目标化合物的获取更加快速高效,并在此基础上建立了以来源、结构、作用等不同特点进行分类的各种化合物库,化合物库的样品数量从几百到上百万不等。
如美国ChemDiv公司拥有全球最大的小分子化合物库,除了目前库存的125万种化合物以外,每年以15万种新化合物的速度递增。
我国的化合物样品库储量在2015年将超过100万个,具有结构多样化、存储专业化、管理集中化、信息系统化和质控标准化等特点。
如何从海量的化合物中筛选出有药理活性的化合物或先导化合物,是目前医药行业的研究热点之一,也是各科研院所、医药公司倾力投资发展的一个重要方向。
药物筛选指的是采用适当的方法,对可能作为药物使用的物质(采样)进行生物活性、药理作用及药用价值的评估过程。
药物筛选指的是采用适当的方法,对可能作为药物使用的物质(采样)进行生物活性、药理作用及药用价值的评估过程。
广义:是针对特定的要求和目的,通过适当的方法和技术,主要的技术有基因组学、蛋白质组学、代谢组学、计算生物学、生物芯片技术、微流控芯片技术等方法,在一定的可选择范围内,进行药物优选的过程。
镇痛药物筛选方法
1.热板镇痛法[1]
取小鼠,实验前测其痛阈,选择痛阈在5~30s 之间的小鼠,实验时,将小鼠放在事先加热到55℃±0.5℃的热板上,以舔后足跳跃作为痛反应指标。
在给药前,每隔5min 连测3 次痛阈,取其平均值作为基础痛阈。
给药不同间隔时间后,记录小鼠投入热板至出现痛反应的潜伏期。
2.小鼠尾尖部压痛法[1]
将小鼠置于压力测痛仪的固定筒内,鼠尖暴露于外,在距尾根部1cm 处作好标记,将鼠尾压痛部置于90℃不锈钢下,旋动施力摇杆,逐渐增加压力,以尾巴回缩或全身退缩作为痛反应,由刻度指示表上记下读数(s),即以加压重量反映痛阈值,给药前每隔5min 测1 次,连测3 次,作为基础痛阈值。
给药后不同间隔时间各测1次痛阈。
3.大鼠甩尾法[1]
将大鼠置于固定筒内,鼠尖暴露于外,将大鼠尾尖部3cm 放入预热的(55℃±0.5℃)的水浴锅内,以甩尾作为痛反应指标。
记录给药后不同时间间隔大鼠甩尾时间。
[1] 徐叔云,卞如濂,陈修.药理实验方法学[M].3 版,北京:人民卫生出版社,2001:886-887.。
基于此,我们简要梳理了四个基础模型的筛选标准在进行机器学习建模时,模型的选择是非常重要的。
四个基础模型包括线性回归模型、决策树模型、支持向量机模型和神经网络模型。
为了选择适合自己的模型,需要确定一些标准。
首先是线性回归模型。
这个模型适用于处理连续性数据,如股票价格、销售额等。
在选择这个模型时,需要考虑数据的线性性质。
如果数据可以用直线表示,那么这个模型将非常适用。
此外,数据的噪音需要尽量少,以保证预测的准确性。
第二是决策树模型。
决策树模型适用于离散数据,如分类问题。
在选择这个模型时,需要考虑数据的多样性和复杂性。
如果数据有很多不同的特征和属性,并且这些特征之间相互独立,那么这个模型就非常适用。
第三是支持向量机模型。
这个模型适用于数据量少的情况下进行分类。
在选择这个模型时,首先需要确认数据的特征数和属性数。
如果数据特征数多,属性数少,支持向量机模型就非常适用。
此外,数据需要线性可分,这样可以让模型的预测变得更准确。
第四是神经网络模型。
这个模型适用于复杂问题的处理,可以使用在图像和自然语言处理领域中。
在选择这个模型时,需要考虑数据的复杂性和多样性。
如果数据有很多不同的特征和属性,并且呈现非线性关系,这个模型就非常适用。
预测时,可以利用神经网络的层级和节点的组合作用。
总之,选择模型需要根据数据的属性和特征来判断。
不同的模型适用于不同类型的数据,如果选择错误,会影响预测结果的准确性。
因此,我们需要仔细思考,较好地匹配数据,并选择最佳模型。
高通量药物筛选的技术和流程药物研发是一项复杂而又耗时的过程。
研发一款新药,需要经过多个阶段,其中包括药物的筛选和评估。
在药物的筛选中,高通量药物筛选技术是一种非常重要的筛选技术。
本文将对高通量药物筛选技术和流程进行探讨。
一、高通量药物筛选技术高通量药物筛选技术高效且精确地检测分子间的相互作用。
通常,高通量筛选涉及到对数千种分子进行测试。
这个技术涉及到将小分子化合物放入样品中,并一一测量样品的反应。
每个分子都会通过与其他分子发生反应来判断其有效性。
高通量药物筛选技术主要有以下几种:1.化学反应筛选技术该技术利用化学反应来检测分子之间的相互作用。
在筛选中,通常使用银沉淀方法、氧化还原反应等实验方法。
这种技术具有高效和精准的特点,且适用于各种化学反应。
2.分子拓扑筛选技术该技术是一种基于分子结构相似性的筛选技术。
通过计算分子的物理化学性质,如原子半径、键能等,将其转化为一些描述性指标。
通过比较这些指标,判断分子之间的相似度。
该技术具有高度自动化和高通量的特点,可以在较短时间内筛选出目标化合物。
3.基于表面等离子共振(SPR)技术的筛选该技术利用生物传感技术来检测分子之间的相互作用。
通常,将小分子化合物与蛋白质结合,形成复合体。
然后使用SPR仪器测定复合体的光学响应,根据响应值可以判断分子的有效性。
4. 力学检测技术流行的机械检测技术有质量谱法、微量热法、感光散射法等。
这种技术通过测定分子之间的相互作用力来判断分子的有效性。
该技术具有通量大,速度快且具有高准确性的优点,可以在短时间内进行大规模的药物筛选。
二、高通量药物筛选流程高通量药物筛选通常包括以下四个步骤:1. 建立筛选模型在药物筛选前阶段中,建立药物筛选模型是非常关键的。
通常,该模型是根据已有数据构建而成。
使用统计学和机器学习算法对大量的筛选数据进行处理和建模,为进一步的药物筛选提供了可靠的数据基础。
2. 选择筛选方式根据实际需要,选择不同的筛选方式。
药物筛选
维基百科,自由的百科全书
跳转到:导航, 搜索
药物筛选是现代药物开发流程中检验和获取具有特定生理活性化合物的一个步骤,系指通过规范化的实验手段从大量化合物或者新化合物中选择对某一特定作用靶点具有较高活性的化合物的过程。
药物筛选的过程从本质上讲就是对化合物进行药理活性实验的过程,随着药物开发技术的发展,对新化合物的生理活性实验从早期的验证性实验,逐渐转变为筛选性实验,即所谓的药物筛选。
作为筛选,需要对不同化合物的生理活性做横向比较,因此药物筛选的实验方案需具有标准化和定量化的特点。
随着组合化学和计算化学的发展,人们开始有能力在短时间内大规模合成和分离多种化合物,因而在现代新药开发流程中药物筛选逐渐成为发现先导化合物的主要途径之一。
药物开发流程。
繁体字版按此。
目录
∙1筛选模型
∙2高通量筛选
∙3虚拟药物筛选
∙4参见
∙5参考文献
∙6外部链接
[编辑]筛选模型
筛选模型就是在药物筛选实验中所应用的药理实验模型,由于药物筛选要求实验方案有标准化和定量化的特征,因而在传统药理实验中常见的动物实验在药物筛选中较少应用,根据实验模型的不同,药物筛选可以分为生化水平的筛选和细胞水平的筛选。
生化水平的药物筛选用拟开发药物作用的靶点设计实验,一般而言这种作用靶点是具有特定生理功能的蛋白质,如酶和受体等,此外一些编码功能明确的DNA也越来越多地成为药物作用的靶点。
候选化合物与靶点混合后,可以通过酶连免疫、荧光显色、核磁共振等方法定量测定化合物与靶点的相互作用,从而成为筛选化合物的依据。
细胞水平的药物筛选是更接近生理条件的一种药物筛选模型,其模型是拟设计药物作用的靶细胞,应用细胞培养技术获取所需细胞,将这些细胞与候选化合物相互作用,通过与生化水平筛选类似的检测技术测定化合物的作用能力,从而对化合物进行筛选。
生化水平的药物筛选操作相对简单,成本较低,但是由于药物在体内的作用并不仅仅取决于其与靶酶的作用程度,吸收、分布、代谢、排泄均会对药物的作用产生极大的影响,仅仅一道薄薄的细胞膜就能够阻挡住许多候选化合物成为药物的道路,因而生化水平的药物筛选不确定因素更多,误筛率更高。
细胞水平的药物筛选模型更接近生理条件,筛选的准确率更高,但是需要建立细胞模型,操作更复杂,成本更高,数据之间的平行形较差,另外由于技术的限制,有些靶标还不能进行细胞水平的药物筛选。
[编辑]高通量筛选
高通量筛选最初是伴随组合化学而产生的一种药物筛选方式。
1990年代末,组合化学的出现改变了人类获取新化合物的方式,人们可以通过较少的步骤在短时间内同时合成大量化合物,在这样的背景下高通量筛选的技术应运而生。
高通量筛选技术可以在短时间内对大量候选化合物完成筛选,经过近十年的发展,已经成为比较成熟的技术,不仅仅应用于对组合化学库的化合物筛选,还更多地应用于对现有化合物库的筛选。
目前世界各大药物生产商都建立有自己的化合物库和高通量筛选机构,对有潜力形成药物的化合物进行篦梳式的筛选。
一个高通量药物筛选体系包括微量和半微量的药理实验模型、样品库管理系统、自动化的实验操作系统、高灵敏度检测系统以及数据采集和处理系统,这些系统的运行保证了筛选体系能够并行操作搜索大量候选化合物。
高通量筛选技术结合了分子生物学、医学、药学、计算科学以及自动化技术等学科的知识和先进技术,成为当今药物开发的主要方式。
完整的高通量筛选体系由于高度的整合和自动化,因而又被称作“药物筛选机器人系统”
[编辑]虚拟药物筛选
虚拟药物筛选是药物筛选技术发展的另一个方向,由于实体的药物筛选需要构建大规模的化合物库,提取或培养大量实验必须的靶酶或者靶细胞,并且需要复杂的设备支
持,因而进行实体的药物筛选要投入巨额的资金,虚拟药物筛选是将药物筛选的过程在计算机上模拟,对化合物可能的活性作出预测,进而对比较有可能成为药物的化合物进行有针对性的实体体筛选,从而可以极大地减少药物开发成本。
根据计算原理,虚拟药物筛选分为基于小分子结构的筛选和基于药物作用机理的筛选两类,前者通过对已知具有相同作用机理的化合物进行定量构效关系研究,绘制出药物的药效团模型,依照模型对化合物数据库进行搜索,这种筛选技术本质上是一种数据库搜索技术;后者主要应用分子对接技术,实施这种筛选需要获知药物作用靶标的分子结构,通过分子模拟手段计算化合物库中的小分子与靶标结合的能力,预测候选化合物的生理活性。
建立合理的药效团模型、准确测定或预测靶标蛋白质的分子结构、精确和快速地计算候选化合物与靶标相互作用的自由能变化是进行虚拟药物筛选的关键,也是限制虚拟筛选准确性的瓶颈。
虽然虚拟筛选的准确性有待提高,但是其快速廉价的特点使之成为发展最为迅速的药物筛选技术之一。
药物筛选首先要有合适的筛选模型。
药物筛选模型是用于证明某种物质具有药理活性(生物活性、治疗作用) 的实验方法,这些实验方法是寻找和发现药物的重要条件之一。
人们在长期寻找药物的实践过程中,建立了大量用于新药筛选的各类模型,在新药发现和研究中发挥了积极作用。
药物筛选模型研究经历了三个不同的发展阶段:整体动物模型、组织器官水平的筛选模型和细胞、分子水平药物筛选模型,每一种模型都源于一种新技术的诞生。
这些模型各有利弊,要根据具体的试验选择合适的模型。
(一)整体动物模型
整体动物模型就是以动物作为药物筛选的观察对象,以动物对药物的反应,证明某些物质的药理作用,评价其药用价值。
由于正常动物并不能充分反应药物在病理条件下的治疗作用,在药物筛选中应用更多的是动物病理模型。
理想的动物模型应具备的基本条件是病理机制与人类疾病的相似性、病理表现的稳定性和药物作用的可观察性。
整体动物筛选模型的最大优点是可以从动物身上直观地反应出药物的治疗效果、不良反应以及毒副作用。
由动物模型获得的筛选结果,对预测被筛选样品的临床效果、毒副作用和应用前景具有十分重要的价值。
整体动物筛选法的缺点:由于动物的特殊性,决定了药物筛选过程主要依赖于手工操作,而且只能对有限的样品进行筛选,使动物模型筛选新药具有明显的局限性,效率低、成本高。
(二)组织器官水平的筛选模型
随着现代医学和现代药理学的发展,采用动物的组织、器官制备的药物筛选模型越来越多,如离体血管实验,心脏灌流实验、组织培养实验等方法。
通过观察药物对特定组织或器官的作用,可以分析药物作用原理和可能具有的药理作用。
组织、器官水平的筛选模型可以反映生理条件下的药物作用,也可以制备成病理模型,观察药物对病理条件下组织器官的作用。
应用组织器官模型筛选药物,是药物筛选技术的一大进步。
离体组织器官模型的优点:降低了筛选样品的用量;降低劳动强度,扩大筛选规模;减少动物用量,特别是有些模型仅使用一小部分组织器官(如血管条实验法) ,同一时间内可以进行多样品的筛选,提高了筛选效率,降低了筛选成本;减少了影响药物作用的因素,易于评价药物作用。
应用组织器官水平的筛选模型进行药物筛选也存在明显的缺点:规模小、效率低、反应药物作用有限、不易实现一药多筛。
此外,人工操作技术要求高等也是影响其在药物筛选中应用的主要原因之一。
(三)细胞、分子水平药物筛选模型
由于近年来分子生物学技术和细胞生物学技术的快速发展,分子药理学研究也不断深入,新的药物作用靶点、功能蛋白质、基因表达的变化,生物活性成分等不断发现,为药物筛选提供了大量新的靶点,如新的有受体、酶等。
这些新的靶点为新药筛选提供了新的信息和机会。
细胞分子水平药物筛选模型的应用为自动化操作奠定了基础,使药物筛选由传统的手工筛选形式转变为由计算机控制的自动化大规模筛选的新技术体系,形成了高通量药物筛选。
高通量药物筛选的优点:实现了药物筛选的规模化,较大限度地利用了药用物质资源,提高了药物发现的概率,同时提高了发现新药的质量;筛选实验是在微量筛选系统中完成的,样品用量一般在微克级(μg) ,节省了样品资源,奠定了“一药多筛”的物质基础,同时节省了实验材料,降低了单药筛选成本;高通量药物筛选为高度自动化操作减少了操作误差的发生,降低了劳动强度,而且提高了药物筛选的效率和结果的准确性;具有多学科理论和技术结合的特点。
高通量药物筛选的缺点:高通量筛选所采用的主要是分子、细胞水平的体外实验模型,任何模型都不可能充分反映药物的全面药理作用;用于高通量筛选的模型总是有限的,要建立反映机体全部生理机能或药物对整个机体作用的理想模型,也是不现实的。
药物筛选模型是发现新药的重要条件。
新模型的建立将会带动新型药物的出现。
分子生物学、细胞生物学、计算机科学的发展,特别是人类基因组计划的完成,为医药研究带来了良好的机遇,也为建立新的药物筛选模型,提供了理论、技术、材料等多方面的优势条件。
因此,我们应充分利用各学科的发展技术建立更多新的筛选模型,促进新药的发现。
08级药理学硕士研究生:秦慧迪
2008-11-28。