通过数据融合策略优化的自适应建模:使用电容谱学实时预测死亡细胞百分比
Suyang Wu1,2, Stephanie A Ketcham3, Claudia Corredor4
1Duquesne Center for Pharmaceutical Technology, Duquesne University, Pittsburgh, Pennsylvania, USA.
Biotechnology progress
|January 5, 2024
概括
这项研究通过将电容谱与科尔-科尔模型参数,导电数据和Mahalanobis距离融合,提高了细胞死亡预测的准确性. 与以前的方法相比,增强的数据融合模型显著提高了预测性能.
科学领域:
- 生物工艺工程 生物工艺工程
- 化学测量 化学测量 化学测量
- 生物技术是生物技术.
背景情况:
- 以前的研究利用了部分最小平方 (PLS) 回归与电容谱用于细胞死亡预测.
- 现有的模型显示在生物处理操作期间的准确性和适应性受到限制.
研究的目的:
- 为了提高细胞死亡预测模型的准确性和稳定性.
- 开发一个适应性数据融合战略,以提高预测性能.
主要方法:
- 实施了数据融合方法,将科尔-科尔模型,导电性 (及其衍生品) 和马哈拉诺比斯距离的变量纳入预测矩阵.
- 作为基础建模技术,利用了部分最小平方 (PLS) 回归.
- 使用根平均平方预测误差 (RMSEP) 和针对参考频谱选择的稳定性来评估模型性能.
主要成果:
- 与之前的PLS模型相比,数据融合模型在RMSEP中实现了大约50%的大幅减少,该模型仅基于电容谱.
- 结合Cole-Cole参数提高了预测准确性,而导电数据和Mahalanobis距离提高了模型适应性和减轻了波动.
- 该模型在不同的参考频谱时间点中表现一致,证实了它的稳定性.
结论:
- 数据融合显著提高了生物过程中细胞死亡预测模型的准确性.
- 适应式建模策略提供了一种强大且改进的方法,与仅依赖电容谱的模型相比.
- 这种方法提供了一种更可靠的工具,用于在生物制造过程中监测细胞活力.
更多相关视频
10:16Molecular Probe Optimization to Determine Cell Mortality in a Photosynthetic Organism Microcystis aeruginosa Using Flow Cytometry
Published on: January 29, 2016
9.0K
06:06Author Spotlight: A Streamlined Approach to Studying Cell Death Initiation in Hypersensitive Response
Published on: November 10, 2023
1.4K
