心肌钙信号的非线性特征与药物分类
组合 7 个波形参数和 2 个非线性参数，训练药物反应分类器。
用途与模型
- 研究用途
- 从体外心肌钙信号识别药物处理与不同药物的功能反应。
- 模型与细胞来源
- 单一男性供者 iCell Cardiomyocytes 2，384 孔自发搏动。
- 方法版本
- 原研究所载版本
- 实验形式
- FLIPR-Tetra 钙荧光记录与相空间重构，结合 SVM/随机森林/神经网络。
材料与平台
- 暴露和记录
- 第 4 天测试；3 药各 1、10、100、1000、10000 nM，30 分钟，每浓度 7 孔；每次 100 秒/0.125 秒间隔，800 点。
- 特征
- 峰频率、峰幅、峰宽、峰间隔、上升/衰减时间及衰减上升比，另算嵌入维度和分形维度。
- 分析
- 校正处理前及 DMSO 参照，Z 标准化；随机约 2/3 训练、1/3 测试，比较处理、功能阈值和 3 药分类。
测量指标与分析
- 钙波形特征
- 嵌入维度和分形维度
- 测试准确率/精确率/召回率
- 降维数据分布
分别用 7 个波形参数，以及加入 2 个非线性参数后的特征集训练分类器；功能响应阈值来自本文的浓度反应曲线。
研究设计与结果
药物集评价
- 研究设计
- 比较不同特征集及 3 种分类器在同一数据随机划分中的性能。
- 测试范围
- 一个男性供者；每药每浓度 7 个重复孔。
- 参照体系
- 仅线性特征模型与相应实际处理/药物标签。
- 研究结果
- 神经网络 3 药准确率 71.4%→80%；非线性特征未改善随机森林的 3 药分类。
适用条件与研究局限
- 单供者、3 药，未完成外部未知药物测试。
- 主要用钙信号，自发搏动无外部电刺激。
- 100% 功能阈值分类只对应本文随机测试数据。
来源与原文
- Integrating nonlinear analysis and machine learning for human induced pluripotent stem cell-based drug cardiotoxicity testing.原始研究 · Journal of Tissue Engineering and Regenerative Medicine · 2022-05-27