CPVT 心肌细胞钙瞬变的丹曲林响应分类
从钙瞬变峰提取 12 项特征，用整条信号留一验证比较丹曲林响应分类。
用途与模型
- 研究用途
- 分析患者来源心肌细胞的药物功能响应及自动分类能力。
- 模型与细胞来源
- 携带 6 种 CPVT 相关 RYR2 变异的 6 个 iPSC 心肌细胞系。
- 方法版本
- 原研究所载实验版本
- 实验形式
- 单细胞钙成像与信号特征分类结合。
材料与平台
- 药物条件
- 记录基础自发搏动、1 μM 肾上腺素处理及肾上腺素保留时加入 10 μM 丹曲林后的钙信号。
- 检测与标注
- Fura-2 AM 钙成像；专家标注完全响应、异常减少超过 50% 的部分响应和改善低于 50% 的不响应。
- 计算分析
- 12 项峰形与间隔特征；随机森林等分类器；按整条信号留一，各峰预测经多数投票形成信号类别。
测量指标与分析
- 完全、部分和不响应的信号分类
- 分类准确率
- 各类别敏感度
用同一数据集的专家标注为参照，分别评价 3 类及合并响应对不响应的分类。
研究设计与结果
训练集与交叉验证
- 研究设计
- 6 个细胞系的信号合并，比较多个分类算法和类别合并方式。
- 测试范围
- 基础、肾上腺素和丹曲林条件各 128 条信号；丹曲林组 59 条完全响应、28 条部分响应、41 条不响应。
- 参照体系
- 专家信号标注与不同分类算法。
- 研究结果
- 3 类分类准确率 65.6%；合并完全和部分响应后准确率 78.9%，响应与不响应敏感度分别 90.8% 和 53.7%。
适用条件与研究局限
- 验证在信号层面留一，未按独立患者队列验证。
- 6 个细胞系各自的信号量不足以单独建立分类器。
- 类别不均衡，部分响应与相邻类别容易混淆。
来源与原文
- Analysis of Drug Effects on iPSC Cardiomyocytes with Machine Learning.原始研究 · Annals of Biomedical Engineering · 2020-05-04