基于深度学习的纳米机械振动,用于快速且无标签地检测表皮层间酶体过渡
Wenjie Wu1, Yongpei Peng1, Mengjun Xu2
1CAS Key Laboratory of Mechanical Behavior and Design of Material, Department of Modern Mechanics, University of Science and Technology of China, Hefei, Anhui 230027, People's Republic of China.
ACS nano
|January 3, 2024
概括
这项研究引入了一种使用纳米振动和深度学习的新型非破坏性方法,以高精度分类癌细胞表型. 这项技术通过分析细胞群的生物力学指纹来帮助癌症诊断和药物查.
科学领域:
- 生物物理学的生物物理.
- 癌症研究 癌症研究
- 机器学习 机器学习
背景情况:
- 表皮和介质细胞表型对于癌症的进展和转移至关重要.
- 准确地分类这些表型对于了解癌症和开发治疗方法至关重要.
- 目前用于癌细胞分类的方法可能具有侵入性或缺乏敏感性.
研究的目的:
- 开发一种新型的,非破坏性试验,用于分类表皮/介质细胞癌细胞表型.
- 为了利用纳米振动生物力学和深度学习用于癌细胞分类.
- 验证抗癌药物查方法,并探索亚细胞结构和纳米振动之间的联系.
主要方法:
- 开发了一种纳米振动试验,以捕获癌细胞殖民地生物机械指纹.
- 应用深度学习算法用于基于1秒振动数据的分类.
- 进行实验和数值模拟,将亚细胞结构与纳米振动特性联系起来.
主要成果:
- 在表皮/介质细胞癌细胞殖民地中,获得了近92.5%的分类准确度.
- 证明了该方法在抗癌药物查中的有效性.
- 确定亚细胞结构影响纳米振动振幅和光谱.
结论:
- 纳米振动分析与深度学习相结合,为癌症细胞表型诊断提供了高度敏感,无标签和非破坏性的方法.
- 这种方法为癌症进展的生物力学机制提供了洞察力.
- 开发的测试作为癌症研究和药物开发的有价值的辅助工具.
