Predição da eficácia clínica de medicamentos pela classificação de perfis de expressão genética induzidos por medicamentos in vitro

Ensaios de ação de medicamentos normalmente avaliam a atividade bioquímica. No entanto, combinar com precisão a eficácia terapêutica com a atividade bioquímica é um desafio. Ensaios celulares de alta capacidade buscam superar essa lacuna ao capturar informações amplas sobre a fisiologia celular da ação dos medicamentos. Aqui, apresentamos um método para prever as classes terapêuticas gerais nas quais vários medicamentos psicoativos se encaixam, com base na categorização estatística de alta capacidade dos perfis de expressão gênica induzidos por esses medicamentos. Quando utilizamos os algoritmos de classificação supervisionada da árvore de decisão e da floresta aleatória para analisar dados de microarranjos, derivamos "perfis de eficácia" gerais de expressão gênica de biomarcadores que se correlacionam com a ação de medicamentos antidepressivos, antipsicóticos e opioides em neurônios humanos primários in vitro. Esses perfis foram usados como modelos preditivos para classificar tratamentos com medicamentos in vitro ingênuos com uma precisão de 83,3% (floresta aleatória) e 88,9% (árvore de classificação). Assim, as informações detalhadas contidas nos dados de expressão gênica são suficientes para corresponder o efeito fisiológico de um novo medicamento no nível celular à sua relevância clínica. Essa capacidade de identificar a eficácia terapêutica com base em assinaturas de expressão gênica in vitro tem utilidade potencial na descoberta de medicamentos e validação de alvos terapêuticos.