基于机器学习的细胞器组合表型高通量药物筛选方法

本发明公开了基于机器学习的细胞器组合表型高通量药物筛选方法，涉及药物研发生物技术领域，本发明包括以下步骤；步骤一：ComOrganNet对细胞图像分析流程；步骤二：ComOrganNet模型性能评估；步骤三：扩展数据集中的ComOrganNet性能；步骤四：ComOrganNet与常规细胞参数提取方法的对比；步骤五：验证ComOrganNet分类模型实用性；步骤六：天然产物库库的建立与活性成分筛选结果；本发明通过结合ComOrganNet进行细胞图像分析和预处理，以及EfficientNet V2进行深度学习分类，能够在高通量药物筛选中实现更高的分类准确性，特别是在使用多通道图像输入时，模型在验证集中达到了80％的精确度，显著优于单通道图像训练的结果。