典型文献
RBF神经网络与癌细胞黏附度活性检测研究
文献摘要：
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.
文献关键词：
细胞活性;黏附强度;离心力;RBF;神经网络;微流控芯片
中图分类号：
作者姓名：
李丹
作者机构：
南京中医药大学附属南京医院 南京市第二医院检验科,江苏省南京市 210003
文献出处：
引用格式：
[1]李丹-.RBF神经网络与癌细胞黏附度活性检测研究)[J].医学理论与实践,2022(21):3604-3606,3621
A类：
B类：
RBF,癌细胞,细胞黏附,活性检测,黏附强度,机器学习算法,细胞活性,细胞培养,培养皿,一个样,设计制作,离心式,式微,微流控芯片,动态曲线,强度信息,药物反应,半抑制浓度,IC50,神经网络算法,附信,评估预测,计数法,信息融合,特征融合,融合评估,检测精度,抗癌,新药,细胞毒理学,生化反应,离心力
AB值：
0.349412
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
