RBF神经网络与癌细胞黏附度活性检测研究

摘要：

目的:研究癌细胞黏附强度与其活性的相关性,并利用机器学习算法提高细胞活性检测方法的准确性.方法:从同一批癌细胞培养皿中分离出两个样本组,一个样本组利用设计制作的离心式微流控芯片,建立癌细胞黏附脱离动态曲线,并提取细胞多黏附强度信息(τ20、τ50、τ80);另一个样本组细胞进行药物反应实验,得到药物反应的半抑制浓度(IC50),利用RBF神经网络算法,将癌细胞多黏附信息作为输入,癌细胞半抑制浓度IC50作为输出,建立细胞活性评估预测模型.结果:相比于传统细胞计数法,基于多黏附强度信息融合的细胞活性评估方法提高了17.2％,该方法具有统计学意义(P<0.05).结论:利用细胞多黏附特征融合评估细胞活性的方法,有助于提高细胞活性检测精度,对抗癌新药物测试、细胞毒理学实验以及其他生化反应刺激实验具有至关重要的作用.

关键词：细胞活性、黏附强度、离心力、RBF、神经网络、微流控芯片

所属期刊栏目：35

分类号：R73-7(肿瘤学)

在线出版日期：2022-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：3604-3606,3621