通过现场运动蛋白跟踪和机器学习绘制药物诱导的神经病变

科学领域:

• 生物医学成像
• 纳米技术
• 神经科学

背景情况:

• 化疗通常会引起神经毒性,影响治疗和生活质量.
• 预测和管理化疗引起的神经毒性仍然是一个挑战.
• 目前的神经病的诊断方法缺乏速度和准确性.

研究的目的:

• 开发一种快速而准确的方法来评估药物诱导的神经毒性.
• 能够实时监测神经内传输以早期发现神经病变.
• 结合先进的成像和机器学习进行全面的神经毒性评估.

主要方法:

• 动态近红外向上转换成像,用于实时的神经内传输跟踪,分辨率为毫秒.
• 使用可升级的纳米平台, 没有光变白或闪.
• 整合机器学习算法用于数据分析和神经病症映射.

主要成果:

• 实时追踪高分辨率的神经内传输,没有光变白.
• 通过识别微妙的运动异常成功选药物诱导的神经毒性.
• 展示了纳米平台和机器学习的结合方法,用于绘制化疗诱导的外周神经病变.

结论:

• 动态近红外上转成像提供了实时评估神经内传输的强大工具.
• 这项技术可以在表型变化之前对神经毒性进行早期查.
• 升级纳米平台和机器学习的整合为评估药物诱导的神经毒性提供了强有力的方法.