基于光学诱导电动学 (OEK) 和机器学习的单细胞密度预测
Xiru Lin1, Xinyue Zhang1, Jinliang Shao1
1School of Control Engineering, Northeastern University at Qinhuangdao, Qinhuangdao 066004, China. zhaoyuliang@neuq.edu.cn.
Analytical methods : advancing methods and applications
|August 6, 2025
概括
我们开发了一个使用光学诱导电动学 (OEK) 的机器学习系统,以准确预测单细胞密度. 这种方法为细胞研究和生物医学应用提供了更快,更有效的工具.
科学领域:
- 生物物理学的生物物理.
- 生物医学工程 生物医学工程
- 机器学习 机器学习
背景情况:
- 单细胞密度对于理解细胞生理学和功能至关重要.
- 目前的密度测量技术往往是低效和劳动密集型的.
研究的目的:
- 开发一种高效的基于机器学习的系统,用于预测单细胞密度.
- 利用光学诱导电动学 (OEK) 进行非侵入性细胞操纵和分析.
主要方法:
- 使用OEK平台进行非侵入性电池操纵.
- 采用深度失焦 (DFD) 算法来跟踪细胞运动轨迹.
- 提取了沉积特征,并将贝叶斯优化应用于梯度增强机器 (GBM) 进行密度预测.
主要成果:
- 实现了高预测准确度,R平方为0.950.
- 获得的低预测误差:RMSE为0.0037gcm−3和MAE为0.0028gcm−3.
- 在精度和减少计算负载方面表现优于主流机器学习模型.
结论:
- 开发的OEK和机器学习系统为单细胞密度预测提供了有效和高效的方法.
- 这种方法为推进细胞研究和生物医学应用提供了一个有价值的新工具.
- 该系统显示了提高细胞分析测量效率的潜力.
