Для проверки этого Gunther и др. из CuraGen изучали транскрипционные реакции на некоторые антидепрессанты, антипсиходтические средства и агонисты опиоидных рецептолров в первичных нейронах человека. В
, они сообшщили, что classification tree (CT) и random forest (RF) методы анализа — которые классифицируют паттерны новых данных на базе уже имеющихся знаний классов выборок — м. аккуратно предсказать физиологические последствия воздействия исходя из их профилей экспрессии генов.
Было тестировано 36 воздействий, включая tricyclic, selective serotonin-reuptake inhibitors (SSRIs), monoamine oxidase inhibitors и атипичные субклассы antidepressants, классические и атипические антипсихотические средства и агонисты δ-, κ- and μ-opioid-рецепторов. Из них, CT метод классифицировал 32 из 36 профилей экспрессии корректно как antidepressants, antipsychotics или opioid-receptor агонисты, тогда как RF классифицировал 30 из 36. Эти различия в аккуратности возможно вызваны относительным далением на силу маркеров — метод CT идентифицирует меньше генов, каждый из которых объясняет большую пропорцию различий среди классов, тогда как метод RT идентифицирует многие гены, каждый из которых объясняет небольшие отличия. Повторная конструкция моделей с опусканием даннх по экспрессии целого субкласса все еще позволяет предсказывать функциональный класс неохарактеризованных лекарств. Все 5 SSRIs и 10 tricyclics были корректно предсказаны как относящиеся к антидепрессантам в 'SSRI-less' модели и к 'tricyclic-less' модели, соотв., даже еслди ни одна из моделей не была сконструирована из представительных выборок каждого субкласса.
Перенос этого метода на др. классы нуждается в очистке от ложно позитивных данных и м.б. ограничен количеством классов, за которые ответственен данный тип клеток. Тем не менее, это является важной ступенью в направлении скрининга новых молекул, т.к. раньше активность таких молекул м. определяться только в исселдованиях на животных или при клинических испытаниях. Обнаружение, что субклассы, которые механистически являются гетерогенными, обнаруживают сходные профили экспрессии, указывает на то, что они имеют общие нижестоящие механизмы и имеют несколько потенциальных приложений. напр., это м.б. важным при оценке генов и prioritization ведущих соединений при ранней разработке лекарств. А обнаружение, что метод м. также классифицировать функциональные возможности (functionality) независимо от того, известен или нет субкласс, м. убедить разработчиков лекарств не идти вглубь по 'me too' пути, а вместо этого рассмотреть новые терапевтически жизнеспособные соединения.