生物帮机器学习强大的检测复杂数据模式的能力正在彻底改变我们的驾驶方式，疾病诊断方式以及新药的发现方式。Sanford Burnham Prebys医学发现研究所的科学家已经开发了一种机器学习算法，可以从显微镜图像中收集信息，从而可以进行高通量表观遗传药物筛选，从而可以开辟针对癌症，心脏病，精神疾病等的新疗法。这项研究发表在eLife上。Alexey Terskikh博士
说：“为了鉴定诱导所需表观遗传学作用的稀有药物，科学家需要筛选数十万种潜在化合物的方法。”，桑福德·伯纳姆·普雷比斯(Sanford Burnham Prebys)副教授开发，老化和再生计划，该研究的资深作者。“我们的研究描述了一种强大的基于图像的方法，可实现高通量表观遗传药物的发现。”
表观遗传学是指DNA上的化学标签，它可使细胞机制或多或少地访问基因，从而改变基因表达。细胞的几乎所有变化，包括对药物的反应和环境压力，都由其表观遗传状态反映出来。美国食品药品监督管理局(FDA)批准了几种靶向表观遗传学改变的药物，用于治疗癌症，研究人员正在努力寻找其他基于表观遗传学的治疗方法。但是，由于缺乏高通量的筛选方法，药物的开发速度有所减慢：科学家目前使用特殊的染料和传统的显微镜方法来观察表观遗传学变化。
“表观遗传学改变促成或导致了许多神经系统疾病，包括脑部肿瘤和某些自闭症的根源，”医学与发展障碍研究中心教授兼副主任哈雷·科恩布鲁姆(Harley Kornblum)博士说。加州大学洛杉矶分校戴维·格芬医学院的塞梅尔神经科学与人类行为研究所。“这种方法可以快速评估单个细胞的表观遗传状态及其对潜在治疗的反应。我渴望将其应用于我自己实验室的工作中，以了解和治疗这些疾病。”
在这项研究中，科学家使用一组超过220种已知在表观遗传学上起作用的药物训练了一种机器学习算法。所产生的方法称为表观遗传学微观成像(MIEL)，能够检测活性药物，通过其分子功能对化合物进行分类，发现多种细胞系和药物浓度的表观遗传变化，并帮助确定未知化合物的工作方式。科学家使用这种方法来鉴定表观遗传化合物，这些化合物可能有助于治疗成胶质细胞瘤(一种致命的脑癌)。
Terskikh实验室的博士后研究员，该研究的第一作者Chen Farhy博士说：“我们的方法已准备好供希望开发表观遗传学药物筛选的制药公司立即使用。”“从事机械研究的工业和学术研究人员也可以从这种方法中受益，因为该算法可以检测和分类由实验方法，基因操作或其他方法引起的表观遗传变化。”
Terskikh和他的团队已经在使用该算法研究衰老细胞的表观遗传学变化，目的是开发能够促进健康衰老的化合物-这是疾病的最大危险因素。这项工作是与Sanford Burnham Prebys教授Peter Adams博士合作进行的。Terskikh还渴望将技术从2D图像扩展到3D视频，这将扩展该方法的功能。
