[논문 리뷰] Design and Analysis Strategies for Pooling in High Throughput Screening: Application to the Search for a New Anti-Microbial

Byran Smucker, Benjamin Brennan외 5명|arXiv (Cornell University)|2026. 02. 18.

Cell Image Analysis Techniques인용 수 0

한 줄 요약

본 논문은 항균제의 고처리량 스크리닝(HTS)을 위한 풀링 디자인과 통계 분석을 비교하고, lambda-특이 Gauss-Lasso 접근법을 도입하며, 거짓 양성은 억제하면서 진정한 히트를 식별하는 적용 사례를 제시한다.

ABSTRACT

A major public health issue is the growing resistance of bacteria to antibiotics. An important part of the needed response is the discovery and development of new antimicrobial strategies. These require the screening of potential new drugs, typically accomplished using high-throughput screening (HTS). Traditionally, HTS is performed by examining one compound per well, but a more efficient strategy pools multiple compounds per well. In this work, we study several recently proposed pooling construction methods, as well as a variety of pooled high-throughput screening analysis methods, in order to provide guidance to practitioners on which methods to use. This is done in the context of an application of the methods to the search for new drugs to combat bacterial infection. We discuss both an extensive pilot study as well as a small screening campaign, and highlight both the successes and challenges of the pooling approach.

연구 동기 및 목표

• 새로운 항균제를 탐색하기 위한 하나의 화합물당 하나의 웰 스크리닝보다 더 효율적인 대안으로 HTS에서 풀링을 도입하도록 동기를 부여한다.
• 현실적인 384-웰 포맷에서 세 가지 풀링 디자인 전략(CRowS, MAPS, Random)을 비교한다.
• 정규화와 임계값 설정에 중점을 두어 다수의 풀링 HTS 분석 방법을 평가하고, 진정한 히트를 식별한다.
• 거짓 양성을 줄이고 시퀀싱/검증 비용을 절감하기 위한 2차 스크리닝 기준을 제안하고 평가한다.
• 특정 항균 표적(MtlD 억제, Salmonella에서)을 대상으로 풀링 디자인을 적용하여 실용적 구현과 결과를 보여준다.]
• method=[
• method

제안 방법

• 풀링된 HTS 데이터를 y = beta0 1 + X beta + epsilon로 모델링하고, X는 웰에서 화합물의 존재 여부를 나타내는 {-1,1}^{n x k}이다.
• 세 가지 풀-구성 방법을 비교한다: Constrained Row Screening (CRowS), Matrix-Augmented Pooling Strategy (MAPS), 그리고 Random Pools, UE(s^2) 및 관련 설계 기준을 사용한다.
• beta를 추정하기 위한 정규화 회귀 접근법을 사용하며, Gauss-Lasso (두 단계의 Lasso 후 OLS 재적합), 비음수 Gauss-Lasso, 그리고 cross-validation 및 permutation 기반 p-value 유사 평가를 포함한다.
• Gauss-Lasso에서 lambda-특이 임계값 설정을 도입하여 알려진 효과 방향(억제 효과는 음수)을 활용하고 히트 식별을 개선한다.
• 추가적인 2차 스크리닝 기준을 도입하여 화합물이 포함된 다수의 웰에 억제를 일으키도록 요구함으로써 거짓 양성을 줄이고 파워 손실 가능성을 비용으로 감수한다.
• 이 방법들을 MtlD 억제에 대한 파일럿 및 소규모 HTS 캠페인에 적용하여 풀링이 실제 히트를 식별하고 거짓 양성을 제어하는 방법을 보여준다.

a Plot of TPR and FPR, as a function of effect size and design size.

실험 결과

연구 질문

• RQ1 어떤 풀링 설계(CRowS, MAPS, Random)가 현실적인 HTS 제약하에서 최상의 전반적 성능을 제공하는가?
• RQ2 어떤 분석 방법(Gauss-Lasso 변형, 비음수 Gauss-Lasso, Elastic Net)이 풀링 HTS에서 진양성률과 거짓양성률 사이의 최적의 균형을 제공하는가?
• RQ3 lambda-특이 임계값 전략이 풀링 HTS에서 표준 Gauss-Lasso나 Elastic Net에 비해 히트 탐지 향상을 가져오는가?
• RQ4 보조 기준이 후속 검증 작업 부담을 효과적으로 줄이는 동시에 대형 효과 히트의 탐지성을 보존하는가?
• RQ5 Salmonella에서 MtlD 억제를 표적하는 실제 항균제 선별 맥락에서 풀링 설계가 어떻게 성능을 발휘하는가?

주요 결과

• CRowS 설계는 시뮬레이션 설정 전반에서 일반적으로 최상위 또는 근접 최상위를 차지하며, 설계 기준(UE(s^2))과 MAPS 기준 모두에서 이점이 있고, 유연하고 통계적으로 근거가 있는 풀링에 선호된다.
• lambda-특이 Gauss-Lasso 접근법은 분석된 방법들 중에서 전체적으로 가장 좋은 log(TPR/FPR) 성능을 달성하며, 특히 tau_lambda를 max(beta_hat_lambda)로 설정했을 때 더욱 우수하다.
• Elastic Net은 더 높은 TPR을 달성하지만 훨씬 더 높은 FPR을 보이며, 이는 발견과 거짓 양성 간의 트레이드오프를 연구자가 신중하게 고려해야 함을 시사한다.
• 비음수 Gauss-Lasso 변형은 경쟁력 있는 성능을 제공하며, 효과 방향이 억제임이 알려진 경우 선호될 수 있다.
• 2차 기준(예를 들어 화합물별로 다수의 웰에서 억제를 보이도록 요구하는 등)은 거짓 양성을 크게 줄이지만 파워에 비용이 들 수 있어 더 관리 가능한 후속 검증으로 가는 실용적 경로를 제시한다.
• 개념 증명 및 소규모 스크리닝 캠페인은 풀링이 실제 히트를 식별하고( MUT에 영향을 주지 않는 WT 억제제 등) 의사 히트를 구분하며, 거짓 양성 비율을 제어하는 모습을 보여준다(스파이크 실험에서 약 0.3%).

b Plots of log(TPR/FPR), as a function of effect size and design size.