机器学习链接的神经网络氧气运输分析放大了血管化的微生理系统的生理相关性

科学领域:

• 生物医学工程 生物医学工程
• 再生医学是一种再生医学.
• 系统生物学 系统生物学

背景情况:

• 工程化临床前模型,如血管化微生理系统 (vMPS),对于研究人类生物学和疗法至关重要.
• 目前评估vMPS血管功能的方法依赖于主观的,形态指标,与氧化不太相关.
• 需要进行标准化,定量评估,以提高vMPS的生理相关性.

研究的目的:

• 开发一种新的,定量指标来评估vMPS中工程血管网络的功能质量.
• 用机器学习改进vMPS中氧气水平和功能结果的预测.
• 建立一个标准化工具来评估vMPS和其他基于细胞的生物系统.

主要方法:

• 一个链式神经网络被设计和训练,使用来自各种vMPS的形态数据.
• 该算法被训练在影响血管网络架构的因素上.
• 机器学习算法输出了一个单一的测量,血管网络质量指数 (VNQI).

主要成果:

• 与传统形态指标相比,VNQI与vMPS测量氧气水平的相关性最高.
• VNQI准确地反映了血管网络质量和氧化量的决定因素.
• 在低氧条件下的血管化小岛芯片模型中,VNQI显示了与功能结果的积极关联.

结论:

• VNQI提供了一种标准化,准确和敏感的测量方法,用于评估工程血管网络.
• 这种人工智能驱动的工具增强了vMPS在临床前研究中的预测能力和可靠性.
• 采用VNQI可以标准化器官芯片,移植模型和其他细胞生物系统,改善治疗开发.