RadPhysBio:用于预测暴露于电离辐射后细胞生存的放射生物数据库
Vassiliki Zanni1, Dimitris Papakonstantinou2, Spyridon A Kalospyros1
1DNA Damage Laboratory, Physics Department, School of Applied Mathematical and Physical Sciences, National Technical University of Athens (NTUA), Zografou Campous, 15780 Athens, Greece.
International journal of molecular sciences
|May 11, 2024
概括
这项研究创建了RadPhysBio数据库,集成实验数据和机器学习来预测辐射暴露后的细胞存活率. 它发现线性能量转移 (LET) 影响DNA损伤和细胞存活系数.
科学领域:
- 放射生物学的放射生物学
- 生物物理学的生物物理.
- 计算生物学 计算生物学
背景情况:
- 现有的放射生物数据库不足以预测电离辐射暴露后细胞存活率.
- 准确预测细胞存活需要了解DNA损伤机制和放射生物学的参数.
研究的目的:
- 开发一个全面的放射生物数据库"RadPhysBio",用于预测人类细胞存活率.
- 分析辐射类型,线性能量转移 (LET),DNA双链断裂 (DSB) 和细胞存活系数 (α和β) 之间的关系.
- 创建一个机器学习模型来预测放射生物学的参数.
主要方法:
- 在PubMed (1980-2024) 的手动文献搜索中,寻找实验性电离辐射数据.
- 使用WebPlotDigitizer和Python计算线性二次方程 (LQ) 模型系数 (α,β) 和初始DNA双链断裂 (DSB).
- 采用蒙特卡洛代码MCDS来模拟复杂的DNA损伤并填补数据缺口.
- 使用机器学习开发了一个生物物理预测模型.
主要成果:
- 计算的α/β值与现有文献一致.
- 观察到α和LET之间的相关性,但不是β.
- 在实验数据中发现了DSB和LET之间的正相关性.
- 机器学习模型在预测α方面表现良好,并将 LET 确定为关键特征.
结论:
- "RadPhysBio"数据库为使用LQ模型系数预测辐射细胞生存提供了宝贵的资源.
- 机器学习和修复模型提高了数据库的适用性和用户覆盖范围.
- LET是影响DNA损伤和细胞存活预测的关键因素.
更多相关视频
11:24Measuring DNA Damage and Repair in Mouse Splenocytes After Chronic In Vivo Exposure to Very Low Doses of Beta- and Gamma-Radiation
Published on: July 3, 2015
11.1K
06:20Irradiator Commissioning and Dosimetry for Assessment of LQ α and β Parameters, Radiation Dosing Schema, and in vivo Dose Deposition
Published on: March 11, 2021
7.2K
