高通量筛选实验设计与数据分析

📚 共计 30 章节

高通量筛选概述

HTS发展历史、HTS在药物发现中的角色、HTS基本流程与核心概念。

历史流程核心

实验设计基础

实验设计（DoE）原则、单因素与多因素设计、随机化与区组化。

DoE随机化区组

微孔板与液体处理

384孔板与1536孔板的选择、移液工作站原理、液体处理精度控制。

孔板移液精度

检测技术原理

荧光、化学发光、吸光度、时间分辨荧光（TR-FRET）的原理与选择。

荧光TR-FRET吸光度

阳性对照与阴性对照

对照设置的意义、Z'因子计算、信号窗口与信噪比。

Z'因子信噪比对照

化合物库管理

化合物库类型、存储条件、板图设计、质量控制。

库管理板图QC

初级筛选策略

单浓度筛选、剂量-反应曲线、IC50/EC50估算。

数据预处理

背景校正、板间归一化、异常值检测与处理。

归一化异常值校正

质量控制指标

Z'因子、SSMD、CV值、信号稳健性评估。

SSMDCV稳健性

归一化方法

百分比抑制、Z-score、Robust Z-score、B-score。

Z-scoreB-score抑制

剂量-反应曲线拟合

四参数与五参数逻辑回归模型、Hill斜率。

曲线质量评估

R²、拟合优度、置信区间、曲线分类标准。

R²拟合置信区间

假阳性与假阴性

来源分析、统计控制策略、确认筛选流程。

假阳性假阴性确认

确认筛选与IC50验证

8点或10点稀释、重复性评估、选择性测试。

IC50验证稀释选择性

数据可视化基础

散点图、热图、箱线图、火山图在HTS中的应用。

热图火山图箱线图

层次聚类、K-means聚类、化合物结构聚类。

层次K-means结构

主成分分析（PCA）

降维原理、载荷图与得分图、异常样本识别。

PCA载荷异常

结构-活性关系（SAR）分析

活性悬崖、骨架跃迁、分子指纹。

SAR活性悬崖指纹

机器学习在HTS中的应用

随机森林、支持向量机、神经网络基础。

随机森林SVM神经网络

模型评估与验证

交叉验证、ROC曲线、AUC值、过拟合防范。

ROCAUC交叉验证

虚拟筛选与HTS结合

分子对接、药效团模型、虚拟库过滤。

对接药效团虚拟库

高通量筛选自动化

自动化平台架构、调度软件、数据流管理。

自动化调度数据流

实验室信息管理系统（LIMS）

数据追踪、样本管理、审计追踪。

LIMS样本审计

多轮筛选策略

级联筛选、正交验证、迭代优化。

级联正交迭代

表型筛选与靶点筛选

表型筛选的优势、靶点确证、CRISPR辅助。

表型靶点CRISPR

数据整合与标准化

FAIR原则、数据仓库、跨平台比较。

FAIR数据仓库整合

统计功效与样本量

功效分析、效应量、多重比较校正（Bonferroni、FDR）。

功效BonferroniFDR

HTS中的常见陷阱

边缘效应、溶剂效应、时间漂移、批次效应。

边缘效应溶剂批次

从筛选到先导化合物优化的完整流程。

案例先导优化

AI驱动筛选、器官芯片、单细胞HTS、开放数据共享。

AI器官芯片单细胞