Скрининг с высокой пропускной способностью - High-throughput screening

Роботы-досмотрщики с высокой пропускной способностью

Скрининг с высокой пропускной способностью (HTS) - метод научного экспериментирование особенно используется в открытие лекарств и относится к областям биология и химия.[1][2] С помощью робототехника, программное обеспечение для обработки / контроля данных, устройства для работы с жидкостями и чувствительные детекторы, высокопроизводительный скрининг позволяет исследователю быстро проводить миллионы химических, генетических или фармакологических тестов. С помощью этого процесса можно быстро идентифицировать активные соединения, антитела или гены, которые модулируют конкретный биомолекулярный путь. Результаты этих экспериментов служат отправной точкой для разработки лекарств и понимания невзаимодействия или роли конкретного места.

Подготовка аналитического планшета

Рука робота работает с планшетом для анализа

Ключевым лабораторным оборудованием или испытательным сосудом HTS является микротитровальный планшет: небольшой контейнер, обычно одноразовый и сделанный из пластика, с сеткой из небольших открытых ямок, называемых колодцы. Обычно микропланшеты для HTS имеют 96, 192, 384, 1536, 3456 или 6144 лунки. Все они кратны 96, что отражает исходный 96-луночный микропланшет с разнесенными лунками 8 x 12 с интервалом 9 мм. Большинство лунок содержат тестовые объекты, в зависимости от характера эксперимента. Это могло быть иначе химические соединения растворенный например в водный раствор из диметилсульфоксид (ДМСО). Лунки также могут содержать клетки или ферменты какого-либо типа. (Другие лунки могут быть пустыми или содержать чистый растворитель или необработанные образцы, предназначенные для использования в качестве экспериментальных контроль.)

Скрининговый центр обычно содержит библиотеку стоковые плиты, содержание которых тщательно каталогизировано, и каждый из которых мог быть создан лабораторией или получен из коммерческого источника. Сами по себе эти стандартные пластины не используются напрямую в экспериментах; вместо этого отделите планшеты для анализа создаются по мере необходимости. Планшет для анализа - это просто копия стандартного планшета, созданная пипетирование небольшое количество жидкости (часто измеряется в нанолитры ) из лунок исходного планшета в соответствующие лунки полностью пустого планшета.

Наблюдение за реакцией

Чтобы подготовиться к проба, исследователь заполняет каждую лунку планшета каким-либо биологическим объектом, на котором он хочет провести эксперимент, например белок, клетки, или животное эмбрион. По прошествии некоторого времени инкубации, позволяющего биологическому веществу абсорбироваться, связываться или иным образом реагировать (или не реагировать) с соединениями в лунках, измерения проводятся во всех лунках планшета вручную или с помощью машины. Ручные измерения часто необходимы, когда исследователь использует микроскопия для (например) поиска изменений или дефектов в эмбриональном развитии, вызванных соединениями лунок, поиска эффектов, которые компьютер не может легко определить самостоятельно. В противном случае специализированная автоматическая аналитическая машина может провести ряд экспериментов с лунками (например, направить на них поляризованный свет и измерить отражательную способность, которая может указывать на связывание с белками). В этом случае машина выводит результат каждого эксперимента в виде сетки числовых значений, при этом каждое число соответствует значению, полученному из одной скважины. Высокопроизводительная аналитическая машина может измерять десятки пластин за несколько минут, как эта, очень быстро генерируя тысячи экспериментальных точек данных.

В зависимости от результатов этого первого анализа исследователь может выполнять последующие анализы в рамках одного и того же скрининга, отбирая жидкость из исходных лунок, которая дала интересные результаты (известные как «совпадения»), в новые аналитические планшеты, а затем повторно запускает эксперимент по сбору дополнительных данных об этом суженном наборе, подтверждающих и уточняющих наблюдения.

Системы автоматизации

Карусельная система для хранения аналитических планшетов для большой емкости и высокоскоростного доступа

Автоматизация является важным элементом полезности HTS. Обычно интегрированный робот Система, состоящая из одного или нескольких роботов, транспортирует аналитические микропланшеты от станции к станции для добавления образцов и реагентов, смешивания, инкубации и, наконец, считывания или обнаружения. Система HTS обычно может готовить, 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.[3][4] Автоматические сборщики колоний отберите тысячи микробных колоний для высокопроизводительного генетического скрининга.[5] Термин uHTS или грохочение со сверхвысокой пропускной способностью относится (около 2008 г.) к скринингу более 100 000 соединений в день.[6]

Экспериментальный план и анализ данных

Благодаря возможности быстрого скрининга различных соединений (например, маленькие молекулы или же миРНК ) для идентификации активных соединений, HTS привел к резкому увеличению количества данных, генерируемых в последние годы.[7]Следовательно, одна из самых фундаментальных проблем в экспериментах с HTS состоит в том, чтобы собрать биохимическое значение из множества данных, которые основаны на разработке и принятии соответствующих экспериментальных дизайнов и аналитических методов как для контроля качества, так и для отбора результатов.[8]Исследования HTS - одна из областей, в которых есть особенность, описанная Джоном Блюмом, главным научным сотрудником Applied Proteomics, Inc., следующим образом: Вскоре, если ученый не понимает некоторых статистических данных или элементарных технологий обработки данных, он или она может не считаться настоящим молекулярным биологом и, таким образом, просто станет «динозавром».[9]

Контроль качества

Высококачественные анализы HTS имеют решающее значение в экспериментах с HTS. Разработка высококачественных тестов HTS требует интеграции экспериментальных и вычислительных подходов к контролю качества (QC). Три важных средства контроля качества: (i) хороший дизайн планшета, (ii) выбор эффективных положительных и отрицательных химических / биологических контролей и (iii) разработка эффективных показателей контроля качества для измерения степени дифференциации, чтобы проводить анализы с низкими данными. качество можно определить.[10]Хорошая конструкция планшета помогает выявить систематические ошибки (особенно те, которые связаны с положением лунки) и определить, какую нормализацию следует использовать для устранения / уменьшения влияния систематических ошибок как на контроль качества, так и на выбор совпадений.[8]

Эффективные аналитические методы контроля качества служат в качестве «привратника» для анализа превосходного качества. В типичном эксперименте HTS четкое различие между положительным контролем и отрицательным эталоном, таким как отрицательный контроль, является показателем хорошего качества. Было предложено множество мер оценки качества для измерения степени различия между положительным контролем и отрицательным эталоном. Отношение сигнал / фон, отношение сигнал / шум, окно сигнала, коэффициент вариабельности анализа и Z-фактор были приняты для оценки качества данных.[8][11]Строго стандартизированная разница средних (ССМД ) недавно был предложен для оценки качества данных в анализах HTS.[12][13]

Выбор хита

Соединение с желаемым размером эффектов в HTS называется хитом. Процесс выбора совпадений называется выбором совпадений. Аналитические методы выбора попаданий на экранах без реплик (обычно на первичных экранах) отличаются от методов с репликами (обычно на подтверждающих экранах). Например, метод z-оценки подходит для экранов без реплик, тогда как t-статистика подходит для экранов с репликами. Расчет SSMD для экранов без реплик также отличается от расчета для экранов с репликами.[8]

Для выбора совпадений на первичных экранах без повторов легко интерпретируемыми являются среднее кратное изменение, средняя разница, процент ингибирования и процент активности. Однако они не позволяют эффективно фиксировать изменчивость данных. Метод z-оценки или SSMD, который может фиксировать изменчивость данных на основе предположения, что каждое соединение имеет такую ​​же изменчивость, что и отрицательная ссылка на экранах.[14][15]Однако выбросы являются обычным явлением в экспериментах HTS, а такие методы, как z-оценка, чувствительны к выбросам и могут быть проблематичными. Как следствие, для выбора совпадений были предложены и приняты надежные методы, такие как метод z * -скора, SSMD *, метод B-оценки и метод на основе квантилей.[4][8][16][17]

На экране с повторениями мы можем напрямую оценить вариабельность для каждого соединения; как следствие, мы должны использовать SSMD или t-статистику, которая не полагается на строгое предположение, на которое полагаются z-оценка и z *-оценка. Одна проблема с использованием t-статистики и связанных p-значений заключается в том, что на них влияет как размер выборки, так и размер эффекта.[18]Они получены в результате тестирования отсутствия средней разницы и поэтому не предназначены для измерения величины сложных эффектов. Для выбора попаданий наибольший интерес представляет размер эффекта в тестируемом соединении. SSMD напрямую оценивает размер эффектов.[19]Также было показано, что SSMD лучше, чем другие обычно используемые размеры эффекта.[20]Значение популяции SSMD сравнимо в разных экспериментах, и, таким образом, мы можем использовать одно и то же ограничение для значения популяции SSMD для измерения размера сложных эффектов.[21]

Методы повышения производительности и эффективности

Уникальное распределение соединений по одному или нескольким планшетам можно использовать либо для увеличения количества анализов на планшет, либо для уменьшения разброса результатов анализов, либо для того и другого. Упрощающее предположение, сделанное в этом подходе, состоит в том, что любые соединения N в одной лунке обычно не будут взаимодействовать друг с другом или с мишенью анализа таким образом, который фундаментально изменяет способность анализа обнаруживать истинные совпадения.

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. В анализе этого планшета против данной мишени попадание в лунки 2, 3 и 4 будет указывать на то, что соединение B является наиболее вероятным агентом, а также обеспечивает три измерения эффективности соединения B против указанной мишени. Коммерческие применения этого подхода включают комбинации, в которых никакие два соединения никогда не используют более одной лунки, чтобы уменьшить возможность (второго порядка) интерференции между парами проверяемых соединений.

Последние достижения

Форматы автоматизации и анализа малых объемов были использованы учеными Центра химической геномики NIH (NCGC) для разработки количественных HTS (qHTS), парадигмы фармакологического профилирования больших химических библиотек посредством создания полных соотношений концентрация-ответ для каждого соединения. С сопутствующим построением кривой и программным обеспечением для хеминформатики данные qHTS дают половину максимальной эффективной концентрации (EC50), максимальный ответ, Коэффициент Хилла (nH) для всей библиотеки, что позволяет оценивать отношения возникающих структур и активности (SAR).[22]

В марте 2010 года было опубликовано исследование, демонстрирующее процесс HTS, позволяющий проводить скрининг в 1000 раз быстрее (100 миллионов реакций за 10 часов) при 1-миллионной стоимости (используя 10−7 раз больше объема реагента), чем традиционные методы с использованием капельной микрофлюидики.[22] Капли жидкости, разделенные маслом, заменяют лунки микропланшетов и позволяют проводить анализ и сортировку попаданий, пока реагенты проходят через каналы.

В 2010 году исследователи разработали силиконовый лист линз, который можно разместить над микрожидкостными матрицами, чтобы можно было измерять флуоресценцию 64 различных выходных каналов одновременно с помощью одной камеры.[23] Этот процесс может анализировать 200 000 капель в секунду.

В то время как традиционное открытие лекарств HTS использует очищенные белки или интактные клетки, очень интересное недавнее развитие технологии связано с использованием интактных живых организмов, таких как нематода. Caenorhabditis elegans и данио (Данио Рерио ).[24]

В 2016-2018 гг. Производители планшетов начали производить специализированные химические вещества, чтобы обеспечить массовое производство поверхностей со сверхнизким сцеплением с клеточными репеллентами, что облегчило быструю разработку HTS-тестов для обнаружения противораковых препаратов в трехмерных тканях, таких как органоиды и сфероиды; более физиологически актуальный формат. [25][26][27]

Расширение использования HTS в академических кругах для биомедицинских исследований

HTS - относительно недавняя инновация, которая стала возможной в значительной степени благодаря современным достижениям в робототехнике и высокоскоростных компьютерных технологиях. По-прежнему требуется высокоспециализированная и дорогая скрининговая лаборатория для проведения HTS-операции, поэтому во многих случаях небольшое или среднее исследовательское учреждение будет использовать услуги существующего HTS-центра, а не создавать его для себя.

В академических кругах существует тенденция к тому, чтобы университеты сами создавали новые лекарства.[28] Эти возможности, которые обычно имеются только в промышленности, теперь все чаще встречаются и в университетах. UCLA Например, имеется открытая лаборатория HTS с общими ресурсами для молекулярного скрининга (MSSR, UCLA), которая может ежедневно проверять более 100 000 соединений на рутинной основе. Политика открытого доступа гарантирует, что исследователи со всего мира могут воспользоваться этой возможностью без длительных переговоров по интеллектуальной собственности. С составной библиотекой, содержащей более 200000 малых молекул, MSSR имеет одну из самых больших составных колод среди всех университетов западного побережья. Также MSSR имеет полнофункциональный геномика Возможности (siRNA, shRNA, cDNA и CRISPR), которые дополняют усилия малых молекул: Функциональная геномика использует возможности HTS для выполнения скринингов на уровне всего генома, которые исследуют функцию каждого гена в интересующем контексте, либо выбивая каждый ген, либо сверхэкспрессируя Это. Параллельный доступ к высокопроизводительному скринингу малых молекул и полному геному скринингу позволяет исследователям выполнять идентификацию и валидацию мишеней для данного заболевания или определения способа действия на малой молекуле. Наиболее точные результаты могут быть получены при использовании «упорядоченных» функциональных библиотек геномики, т.е. каждая библиотека содержит единственную конструкцию, такую ​​как одиночная миРНК или кДНК. Функциональная геномика обычно сочетается с скринингом высокого содержания с использованием, например, эпифлуоресцентная микроскопия или лазерная сканирующая цитометрия.

Университет Иллинойса также имеет объект для HTS, как и Университет Миннесоты. В Институте наук о жизни при Мичиганском университете находится объект HTS в Центре химической геномики. Колумбийский университет имеет общий ресурсный центр HTS с ~ 300 000 различных малых молекул и ~ 10 000 известных биологически активных соединений, доступных для биохимического, клеточного и NGS скрининга. Университет Рокфеллера имеет открытый доступ Ресурсный центр HTS HTSRC (Университет Рокфеллера, HTSRC ), который предлагает библиотеку из более чем 380 000 соединений. Лаборатория высокопроизводительного анализа Северо-Западного университета поддерживает идентификацию, валидацию, разработку анализов и скрининг соединений. Некоммерческий институт Sanford Burnham Prebys Medical Discovery Institute также имеет давнее учреждение HTS в Центр химической геномики Конрада Пребиса который был частью MLPCN. Некоммерческая Scripps Research Центр молекулярного скрининга (SRMSC)[29] продолжает служить академическим кругам институтов после эпохи MLPCN. Средство SRMSC uHTS поддерживает одну из крупнейших библиотечных коллекций в академических кругах, в настоящее время насчитывающую более 665 000 низкомолекулярных объектов, и регулярно проверяет всю коллекцию или подбиблиотеки в поддержку инициатив по грантам с несколькими PI.

В Соединенных Штатах Национальные институты здоровья или NIH создал общенациональный консорциум центров скрининга малых молекул для производства инновационных химических инструментов для использования в биологических исследованиях. Сеть центров по производству зондов молекулярных библиотек, или MLPCN, выполняет HTS на основе анализов, предоставленных исследовательским сообществом, в отношении большой библиотеки малых молекул, хранящейся в центральном репозитории молекул.

Смотрите также

Рекомендации

  1. ^ Inglese J и Auld DS. (2009) Применение методов высокопроизводительного скрининга (HTS): приложения в химической биологии в Энциклопедии химической биологии Wiley (Wiley & Sons, Inc., Хобокен, Нью-Джерси), том 2, стр. 260–274 doi / 10.1002 / 9780470048672.wecb223.
  2. ^ Macarron, R .; Бэнкс, M.N .; Bojanic, D .; Бернс, Д.Дж .; Cirovic, D.A .; Garyantes, T .; Green, D.V .; Hertzberg, R.P .; Janzen, W.P .; Paslay, J.W .; Schopfer, U .; Ситтампалам, Г.С. (2011). «Влияние высокопроизводительного скрининга на биомедицинские исследования». Nat Rev Drug Discov. 10 (3): 188–195. Дои:10.1038 / nrd3368. PMID  21358738. S2CID  205477370.
  3. ^ Ханн М.М., Опреа Т.И. (июнь 2004 г.). «Следуя концепции достоверности в фармацевтических исследованиях». Curr Opin Chem Biol. 8 (3): 255–63. Дои:10.1016 / j.cbpa.2004.04.003. PMID  15183323.
  4. ^ а б Караус, I .; Alsuwailem, A. A .; Надон, Р .; Макаренков, В. (2015-11-01). «Выявление и преодоление систематической предвзятости в высокопроизводительных технологиях скрининга: всесторонний обзор практических вопросов и методологических решений». Брифинги по биоинформатике. 16 (6): 974–986. Дои:10.1093 / bib / bbv004. ISSN  1467-5463. PMID  25750417.
  5. ^ Heddle, C .; Мазалейрат, С. Л. (2007). «Разработка платформы для скрининга направленной эволюции с использованием флуоресцентного белка рифовых кораллов ZsGreen в качестве репортера растворимости». Разработка и отбор протеинов. 20 (7): 327–337. Дои:10.1093 / белок / gzm024. ISSN  1741-0126. PMID  17584755.
  6. ^ Майкл, Сэм; Олд, Дуглас; Клумпп, Карлин; Джадхав, Аджит; Чжэн, Вэй; Торн, Наташа; Остин, Кристофер П .; Inglese, Джеймс; Симеонов, Антон (2008). «Роботизированная платформа для количественного высокопроизводительного скрининга». АНАЛИЗ и технологии разработки лекарств. 6 (5): 637–657. Дои:10.1089 / adt.2008.150. ISSN  1540-658X. ЧВК  2651822. PMID  19035846.
  7. ^ Хоу Д., Костанцо М., Фей П., Годжобори Т., Хэнник Л., Хайд В., Хилл Д.П., Каниа Р., Шеффер М., Пьер С.С., Твиггер С., Уайт О, Ри SY (2008). «Большие данные: будущее биодокументации». Природа. 455 (7209): 47–50. Bibcode:2008Натура.455 ... 47H. Дои:10.1038 / 455047a. ЧВК  2819144. PMID  18769432.
  8. ^ а б c d е Чжан XHD (2011). Оптимальный высокопроизводительный скрининг: практический экспериментальный план и анализ данных для исследования РНКи в масштабе генома. Издательство Кембриджского университета. ISBN  978-0-521-73444-8.
  9. ^ Эйзенштейн М (2006). "Контроль качества". Природа. 442 (7106): 1067–70. Bibcode:2006 Натур.442.1067E. Дои:10.1038 / 4421067a. PMID  16943838.
  10. ^ 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 экранах РНКи в масштабе генома». Журнал биомолекулярного скрининга. 13 (5): 378–89. Дои:10.1177/1087057108317145. PMID  18480473. S2CID  22679273.
  11. ^ Чжан Дж. Х., Чунг Т. Д., Ольденбург, КР (1999). «Простой статистический параметр для использования при оценке и валидации высокопроизводительных скрининговых анализов». Журнал биомолекулярного скрининга. 4 (2): 67–73. Дои:10.1177/108705719900400206. PMID  10838414. S2CID  36577200.
  12. ^ Чжан, XHD (2007). «Пара новых статистических параметров для контроля качества в высокопроизводительных скрининговых анализах РНК-интерференции». Геномика. 89 (4): 552–61. Дои:10.1016 / j.ygeno.2006.12.014. PMID  17276655.
  13. ^ Чжан XHD (2008). «Новые аналитические критерии и эффективный дизайн планшетов для контроля качества при скринингах РНКи в масштабе генома». Журнал биомолекулярного скрининга. 13 (5): 363–77. Дои:10.1177/1087057108317062. PMID  18567841. S2CID  12688742.
  14. ^ Чжан XHD (2007). «Новый метод с гибким и сбалансированным контролем ложноотрицательных и ложноположительных результатов для отбора попаданий в высокопроизводительных скрининговых анализах РНК-интерференции». Журнал биомолекулярного скрининга. 12 (5): 645–55. Дои:10.1177/1087057107300645. PMID  17517904.
  15. ^ Zhang XH, Ferrer M, Espeseth AS, Marine SD, Stec EM, Crackower MA, Holder DJ, Heyse JF, Strulovici B (2007). «Использование строго стандартизированной разницы средних для отбора попаданий в высокопроизводительных скрининговых экспериментах с первичной интерференцией РНК». Журнал биомолекулярного скрининга. 12 (4): 645–55. Дои:10.1177/1087057107300646. PMID  17435171. S2CID  7542230.
  16. ^ Чжан XH, Ян XC, Чунг Н., Гейтс А, Стец Э, Кунапули П., Держатель Д.Д., Феррер М., Эспесет А.С. (2006). «Надежные статистические методы для отбора попаданий в экспериментах по высокопроизводительному скринингу РНК-интерференции». Фармакогеномика. 7 (3): 299–09. Дои:10.2217/14622416.7.3.299. PMID  16610941.
  17. ^ Бридо С., Гюнтер Дж., Пикунис Б., Лиав А. (2003). «Улучшенные статистические методы отбора попаданий при высокопроизводительном скрининге». Журнал биомолекулярного скрининга. 8 (6): 634–47. Дои:10.1177/1087057103258285. PMID  14711389.
  18. ^ Коэн Дж (1994). «Земля круглая (P-Less Than.05)». Американский психолог. 49 (12): 997–1003. Дои:10.1037 / 0003-066X.49.12.997. ISSN  0003-066X.
  19. ^ Чжан XHD (2009). «Метод эффективного сравнения эффектов генов в различных условиях в РНКи и исследования профилей экспрессии». Фармакогеномика. 10 (3): 345–58. Дои:10.2217/14622416.10.3.345. PMID  20397965.
  20. ^ Чжан XHD (2010). «Строго стандартизированная разница средних, стандартизованная разница средних и классический t-тест для сравнения двух групп». Статистика в биофармацевтических исследованиях. 2 (2): 292–99. Дои:10.1198 / сбр.2009.0074. S2CID  119825625.
  21. ^ Чжан XHD (2010). «Оценка размера гена или эффектов РНКи в многофакторных высокопроизводительных экспериментах». Фармакогеномика. 11 (2): 199–213. Дои:10.2217 / PGS.09.136. PMID  20136359.
  22. ^ а б Inglese, J .; Auld, D.S .; Джадхав, А .; Johnson, R.L .; Симеонов, А .; Ясгар, А .; Zheng, W .; Остин, К. (2006). «Количественный высокопроизводительный скрининг (qHTS): подход, основанный на титровании, который эффективно идентифицирует биологическую активность в больших химических библиотеках». Proc. Natl. Акад. Sci. Соединенные Штаты Америки. 103 (31): 11473–11478. Bibcode:2006ПНАС..10311473И. Дои:10.1073 / pnas.0604348103. ЧВК  1518803. PMID  16864780.
  23. ^ Schonbrun, E; Abate, A.R; Steinvurzel, P.E; Weitz, D.A; Крозье, К. Б. (2010). «Высокопроизводительное детектирование флуоресценции с использованием интегрированного массива зонных пластин». Лаборатория на чипе. Королевское химическое общество. 10 (7): 852–856. CiteSeerX  10.1.1.662.8909. Дои:10.1039 / b923554j. PMID  20300671. Сложить резюме – scienceDaily.com.
  24. ^ Атанасов А.Г., Вальтенбергер Б., Пферши-Венциг Е.М., Линдер Т., Ваврош С., Урин П., Теммл В., Ван Л., Швайгер С., Хайсс Э. Х., Роллингер Дж. М., Шустер Д., Брейс Дж. М., Бочков В., Миховилович М. Д., Копп Б., Бауэр Р., Дирш В.М., Ступпнер Х. (2015). «Открытие и пополнение запасов фармакологически активных натуральных продуктов растительного происхождения: обзор». Biotechnol. Adv. 33 (8): 1582–614. Дои:10.1016 / j.biotechadv.2015.08.001. ЧВК  4748402. PMID  26281720.
  25. ^ Kota, S .; Hou, S .; Guerrant, W .; Madoux, F .; Troutman, S .; Фернандес-Вега, В .; Алексеева, Н .; Madala, N .; Scampavia, L .; Kissil, J .; Спайсер, Т.П. (10 мая 2018 г.). «Новый подход к трехмерному высокопроизводительному скринингу выявляет индукторы мутантного селективного летального фенотипа KRAS». Онкоген. 37 (32): 4372–4384. Дои:10.1038 / с41388-018-0257-5. ЧВК  6138545. PMID  29743592.
  26. ^ Hou, S .; Tiriac, H .; Sridharan, BP .; Scampavia, L .; Madoux, F .; Селдин, Дж .; Соуза, гр .; Watson, D .; Tuveson, D .; Спайсер, Т.П. (Июль 2018). «Продвинутая разработка моделей первичных органоидных опухолей поджелудочной железы для высокопроизводительного фенотипического скрининга лекарственных средств». SLAS Discovery. 23 (6): 574–584. Дои:10.1177/2472555218766842. ЧВК  6013403. PMID  29673279.
  27. ^ Madoux, F .; Таннер, А .; Сосуды, М .; Willetts, L .; Hou, S .; Scampavia, L .; Спайсер, Т.П. (Июнь 2017 г.). «3D-анализ жизнеспособности с 1536 лунками для оценки цитотоксического действия лекарств на сфероиды». SLAS Discovery. 22 (5): 516–524. Дои:10.1177/2472555216686308. PMID  28346088.
  28. ^ Голубь, Алан (2007). «В школу идет высокопроизводительный скрининг». Методы природы. 4 (6): 523–532. Дои:10.1038 / nmeth0607-523. ISSN  1548-7091. S2CID  28059031.
  29. ^ Байларджон П., Фернандес-Вега В., Шридхаран Б. П., Браун С., Гриффин П. Р., Розен Х.; и другие. (2019). "Центр молекулярного скрининга Скриппса и Институт трансляционных исследований". SLAS Discov. 24 (3): 386–397. Дои:10.1177/2472555218820809. PMID  30682260. S2CID  59274228.CS1 maint: несколько имен: список авторов (связь)

дальнейшее чтение

внешняя ссылка