数据图书馆

您是否希望获得临床前数据，以进一步了解人类疾病和安全性?我们正在提供数据集，以加强对转化为人类疗效和安全性的理解。

跳转到节

我们提供早期开发化合物的临床前数据集，用于数据挖掘和研究目的。目的是提高对转化为人类疗效和安全性的理解。

可用数据集:

  • 临床前安全性数据:包含标准模型中的体内数据，以提供对化合物的深入了解，并探索数据之间的关系，以更好地理解临床前安全性概况和转化为人类安全性
  • 肿瘤联合数据:包含超过100种肿瘤联合试验药物的11000个数据点，用于评估和预测药物联合协同作用。

有兴趣的研究人员请参加:

  • 通过本网站的信息了解有关可用数据集的更多信息
  • 提交一份关于您打算如何使用数据集的简短建议
  • 一旦您的申请被批准，就可以访问我们的数据

功能基因组学细胞成像数据

阿斯利康的功能基因组学小组在疾病的细胞模型中进行可药物和全基因组排欧洲杯微信买球列CRISPR筛选，以更好地了解疾病表型和靶基因之间的联系。功能基因组筛选以阵列的形式进行，微滴度板的每个孔中的细胞接受不同的基因gRNA处理。处理后的细胞使用高含量显微镜成像，以了解基因敲除对细胞表型和疾病特异性生物标志物的影响。

多个图像数据集可从各种阵列CRISPR细胞成像项目，包括图像和遗传扰动和治疗条件的注释。

1.细胞杀伤力

  • H358细胞系全基因组CRISPR筛选
  • 核标记物、细胞Cas9-GFP表达和MAPK通路标记物的荧光图像

2.脂质纳米粒子吸收

  • H358细胞系中可药物的基因组排列CRISPR筛选
  • 核标记物荧光图像、细胞Cas9-GFP表达及mCherry mRNA表达

3.雄激素受体调制

  • 不同前列腺细胞系(LnCAP, LnCAP95, AD1, D567)和激素治疗的CRISPR序列
  • 核标记物、Cas9-BFP表达和生物学特异性标记物(雄激素受体和FKBP5)的荧光和亮场图像

4.雌激素受体调制

  • 使用和不使用氟维司汀治疗的乳腺癌细胞系的排列CRISPR筛选
  • 所用的细胞系为可诱导的MCF7 Cas9
  • 细胞核荧光标记、细胞Cas9-BFP表达和雌激素受体表达的细胞图像

让我们在图像和数据分析方面进行合作

你们是一个数据、分析或计算机科学研究小组，用算法分析数据集，以询问数据中的模式，并将其与生物学结果联系起来吗?我们的目标是对这些数据产生更广泛的了解;通过与其他数据集结合，开发新的方法来从细胞图像中提取信息。我们邀请您提交一份提案，概述您的分析如何能够开启对这些数据的新见解。

临床前安全性数据

我们提供早期开发化合物的临床前安全性数据，用于数据挖掘和研究，以进一步了解转化为人类安全性。

提供的临床前研究类型:

  • 在活的有机体内啮齿类和非啮齿类动物的动物研究是支持临床研究进展的常见监管要求
  • 包括有临床观察的标准急性和重复剂量研究;血清化学和尿液分析;大体病理及组织病理观察
  • 提供给药剂量，并在可能的情况下提供毒物动力学测量
让我们在临床前安全方面合作
我们邀请毒理学家、数据学家和计算机科学家与我们合作，彼此合作，与公共或私人资助机构合作，共同讨论、挖掘和开发临床前安全性的预测模型。其目的是对我们如何更好地预测和衡量治疗人类疾病的新型药物的安全性产生更深入的了解。
有兴趣的研究人员请参加:
  • 探索和下载我们的临床前安全性数据集，并应用现有或新的方法来检查化合物及其临床前安全性之间的关系
  • 只需提交一份简短的1页“概念提案”，说明你打算如何使用数据集。
提交一个提案

肿瘤学组合数据

为了加速对肿瘤药物联合协同作用的理解，阿斯利康分享了超过11000个临床前药理学数据点。欧洲杯微信买球这些数据使您能够探索有效的联合治疗和协同药物行为的基础特征。

可用的数据:

  • 表型(细胞活力)数据来自超过11000个实验，测试了超过100种药物在不同剂量组合下对多达85种癌细胞系的配对，主要是结肠癌、肺癌和乳腺癌。每种药物和细胞系的单药治疗药物反应数据。
  • “协同评分”是比较药物联合治疗和单药治疗在每个细胞系中的效果。
  • 药物的靶点和化学性质包括蛋白靶点的基因名称、分子量、氢键受体、氢键供体、cLogP、Lipinski’s rule of 5。
  • 在公共资源中链接到各自细胞面板的深度分子概况的能力，如GDSC/宇宙和CCLE．

让我们一起来发现新的肿瘤组合

您是一名正在努力寻找新型肿瘤药物组合的科学家吗?你希望了解有效药物组合的基本特征吗?你的目标是确定最有可能从药物组合中获益的患者吗?如果是这样，我们邀请您提交一份提案，概述您如何认为分析我们的数据可以帮助发现新的途径。我们鼓励您将自己的背景知识和数据纳入分析。

转录组分析数据

我们已经完成了一个项目，其中32种化合物对两种细胞系的RNA签名谱进行了评估。这只是这个项目的开始，因为力量在于对数据的分析解释。因此，我们决定共享这些数据，以允许其他组访问这些数据并进行进一步建模。

现有数据包括:

·32种化合物，在两种浓度(高剂量和低剂量)下对两种细胞系进行检测

·使用的细胞系为A549和MCF7

·化合物作为单一疗法进行评估

·RNAseq数据;原始数据文件将与相应的标识符一起发送

根据分析要求，数据可以以盲法或非盲法公布化合物的作用机制。

让我们在数据分析中合作

你们是一个数据、分析或计算机科学研究小组，用算法分析数据集，以询问数据中的模式，并将其与生物学结果联系起来吗?我们将鼓励这些数据与其他数据集结合，以扩大生物学结果。我们的目标是对这些数据、机制和对患者的潜在益处建立更广泛的了解，我们邀请您提交一份提案，概述您的分析如何能解锁对这些数据的新见解。