細(xì)胞毒性數(shù)據(jù)挖掘技術(shù)與應(yīng)用
1)構(gòu)建了細(xì)胞壞死與細(xì)胞凋亡兩種細(xì)胞毒性動力學(xué)模型,以帶約束的非線性優(yōu)化算法,估算出該動力學(xué)模型參數(shù)。并利用擴(kuò)展卡爾曼濾波算法,實時估計有毒物質(zhì)作用于靶細(xì)胞的濃度,提前了風(fēng)險預(yù)警時間。2)給出了三種評估細(xì)胞毒性大學(xué)的評估方法,及其"劑量-反應(yīng)"模型,并與美國RC數(shù)據(jù)庫中的體內(nèi)急性毒性值做相關(guān)性分析,為高通量毒性評估提供了一種有效策略。
更多科學(xué)出版社服務(wù),請掃碼獲取。
目錄
前言
第1章 細(xì)胞電阻抗傳感技術(shù)概述 1
1.1 細(xì)胞電阻抗傳感技術(shù)背景 2
1.1.1 細(xì)胞電阻抗傳感技術(shù)簡介 2
1.1.2 細(xì)胞電阻抗傳感技術(shù)的意義 5
1.1.3 細(xì)胞電阻抗傳感技術(shù)發(fā)展歷程 5
1.2 基于細(xì)胞電阻抗傳感技術(shù)的典型儀器 7
1.2.1 ECIS細(xì)胞動態(tài)分析儀 7
1.2.2 Bionas 1500/2500細(xì)胞代謝監(jiān)測儀 10
1.2.3 CellKey細(xì)胞介電譜分析系統(tǒng) 11
1.2.4 Cellasys細(xì)胞代謝監(jiān)測儀 12
1.2.5 RTCA實時細(xì)胞分析儀 13
1.3 細(xì)胞電阻抗傳感技術(shù)的應(yīng)用 15
1.3.1 心肌細(xì)胞功能檢測 15
1.3.2 細(xì)胞黏附和伸展 16
1.3.3 細(xì)胞共培養(yǎng) 18
1.3.4 細(xì)胞遷移和浸潤 18
1.3.5 細(xì)胞毒性檢測 19
1.4 RTCA細(xì)胞毒性數(shù)據(jù)的預(yù)處理 21
參考文獻(xiàn) 26
第2章 細(xì)胞毒性動力學(xué)模型參數(shù)估計方法 30
2.1 引言 30
2.2 細(xì)胞毒性動力學(xué)模型描述 31
2.3 算法原理及步驟 32
2.4 算法驗證及結(jié)果 34
2.5 細(xì)胞毒性動力學(xué)模型應(yīng)用 41
2.6 本章小結(jié) 44
參考文獻(xiàn) 44
第3章 基于細(xì)胞毒性動態(tài)響應(yīng)曲線的體外細(xì)胞毒性評價方法 46
3.1 引言 46
3.2 LC50/GI50算法及步驟 47
3.3 AUC50算法及步驟 53
3.4 KC50算法及步驟 60
3.5 RC預(yù)測模型的對比分析 66
3.6 結(jié)果與討論 72
參考文獻(xiàn) 75
第4章 基于細(xì)胞毒性動態(tài)響應(yīng)曲線的化學(xué)物質(zhì)MoA分類方法 79
4.1 引言 79
4.2 TCRC數(shù)據(jù)預(yù)處理 82
4.3 算法原理及步驟 86
4.3.1 主成分分析 87
4.3.2 函數(shù)型數(shù)據(jù)分析 91
4.3.3 層次聚類算法 97
4.4 算法驗證及結(jié)果 98
4.5 結(jié)果與討論 101
參考文獻(xiàn) 102
第5章 細(xì)胞毒性動態(tài)響應(yīng)數(shù)據(jù)的可靠性分析方法 106
5.1 引言 106
5.2 邊緣效應(yīng)檢測與篩選方法 108
5.2.1 問題描述 108
5.2.2 算法原理及步驟 108
5.2.3 算法驗證及結(jié)果 115
5.3 RTCA實驗數(shù)據(jù)重復(fù)性評估方法 128
5.3.1 算法原理及步驟 128
5.3.2 算法驗證及結(jié)果 132
5.4 本章小結(jié) 140
參考文獻(xiàn) 140
第6章 基于細(xì)胞毒性動態(tài)響應(yīng)曲線的誘變細(xì)胞數(shù)目預(yù)測模型估計 143
6.1 引言 143
6.2 誘變細(xì)胞數(shù)目預(yù)測模型估計方法 144
6.3 誘變細(xì)胞數(shù)目預(yù)測模型分析 149
6.4 本章小結(jié) 150
參考文獻(xiàn) 150
附錄 152