CellSystems上的一篇新论文探讨了在药物发现中使用多种数据类型的重要性。该论文筛选了1,000多种在六种剂量中测试的药物，并证明基因表达和细胞形态为药物优先级提供了不同的信息。

该研究由生物医学数据科学家GregoryWay博士、理学硕士领导，表明通过同时使用这两种数据类型，科学家可以从根本上测量药物生物学的不同方面。

“我们相信这两种流行的方法可以用来设计解决生物学的全部复杂性的药物，”韦说，他是科罗拉多大学安舒茨医学校区生物医学信息学助理教授。

Way和一组数据科学家发现，这两种数据类型提供了一种部分共享但又互补的药物机制视图。他们说，使用这两种方法可以在独特的方向上推进药物发现、功能基因组学和精准医学。

“虽然基于作用机制标记药物非常强大，但这种方法有可能错过更大的图景。通过表型药物筛选收集的这两种数据类型都包含生物学的复杂性，并且可以让科学家研究和利用药物可以提供的多方面影响”韦补充道。

他们的论文展示了在给定所有变异/噪声来源和当前数据处理中的最佳实践的情况下，这些分析如何在有用的生物学任务(例如，作用预测机制)上相互比较。表型药物筛选方法允许研究人员在一次实验中测量数千种不同药物的数千种特征。

“我们希望我们的分析能够指导研究人员进行实验设计，并了解他们特定分析模式的局限性，以提供更一致的测量结果并最大限度地提高药物发现成功的潜力，”Way说。

这篇于今天(10月24日)发表的论文指导科学家规划实验，对细胞进行分析以逆转疾病表型，量化细胞对化学或遗传扰动的反应，并探究药物机制。