研究表明将死细胞读数纳入癌症药物筛查如何有助于提高药物选择率

与实体瘤一致，多细胞肿瘤球体(MCTS)形成营养物分布和氧气浓度的梯度，从而形成具有不同增殖和药物分布区的各种微环境。Kochanek，Close，Camarco和Johnston生产了头颈部鳞状细胞癌(HNSCC)MCTS，并使用了活力试剂和成像方法来测量抗癌药物暴露的影响。此步骤表明，细胞活力试剂低估了HNSCC MCTS培养物中药物暴露的影响，但结合形态学和死细胞读数增加了被认为对MCTS培养物有实质性影响的药物数量。

多参数药物影响评分提供了一种对MCTS药物反应进行分层并使这些更具生理相关性的肿瘤培养物价值最大化的方法。

目前，癌症药物的批准率还不到5%，而肿瘤学临床试验成功的总概率为3.4%。Kochanek，Close，Camarco和Johnston继续在当前研究的基础上，通过使用本研究中更具生理相关性和复杂性的3D模型，帮助提高这些癌症药物的发现和开发成功率。

该小组的首席研究员Paul A. Johnston在制药，生物技术和学术领域拥有30年的药物发现经验。作为基于细胞的铅生成的创新者，他率先实现了用于药物发现的高内涵成像技术的实施，并于2005年帮助创建了匹兹堡大学分子图书馆筛选中心(美国宾夕法尼亚州匹兹堡)。在2011年，Johnston在药学院的大学药理学系内建立了自己的化学生物学实验室，以进行应用新药发现策略的研究，以发现针对前列腺癌，黑色素瘤，头颈癌和肝细胞癌。