1)構建了細胞壞死與細胞凋亡兩種細胞毒性動力學模型,以帶約束的非線性優(yōu)化算法,估算出該動力學模型參數(shù)。并利用擴展卡爾曼濾波算法,實時估計有毒物質作用于靶細胞的濃度,提前了風險預警時間。2)給出了三種評估細胞毒性大學的評估方法,及其"劑量-反應"模型,并與美國RC數(shù)據(jù)庫中的體內(nèi)急性毒性值做相關性分析,為高通量毒性評估提供了一種有效策略。
更多科學出版社服務,請掃碼獲取。
目錄
前言
第1章 細胞電阻抗傳感技術概述 1
1.1 細胞電阻抗傳感技術背景 2
1.1.1 細胞電阻抗傳感技術簡介 2
1.1.2 細胞電阻抗傳感技術的意義 5
1.1.3 細胞電阻抗傳感技術發(fā)展歷程 5
1.2 基于細胞電阻抗傳感技術的典型儀器 7
1.2.1 ECIS細胞動態(tài)分析儀 7
1.2.2 Bionas 1500/2500細胞代謝監(jiān)測儀 10
1.2.3 CellKey細胞介電譜分析系統(tǒng) 11
1.2.4 Cellasys細胞代謝監(jiān)測儀 12
1.2.5 RTCA實時細胞分析儀 13
1.3 細胞電阻抗傳感技術的應用 15
1.3.1 心肌細胞功能檢測 15
1.3.2 細胞黏附和伸展 16
1.3.3 細胞共培養(yǎng) 18
1.3.4 細胞遷移和浸潤 18
1.3.5 細胞毒性檢測 19
1.4 RTCA細胞毒性數(shù)據(jù)的預處理 21
參考文獻 26
第2章 細胞毒性動力學模型參數(shù)估計方法 30
2.1 引言 30
2.2 細胞毒性動力學模型描述 31
2.3 算法原理及步驟 32
2.4 算法驗證及結果 34
2.5 細胞毒性動力學模型應用 41
2.6 本章小結 44
參考文獻 44
第3章 基于細胞毒性動態(tài)響應曲線的體外細胞毒性評價方法 46
3.1 引言 46
3.2 LC50/GI50算法及步驟 47
3.3 AUC50算法及步驟 53
3.4 KC50算法及步驟 60
3.5 RC預測模型的對比分析 66
3.6 結果與討論 72
參考文獻 75
第4章 基于細胞毒性動態(tài)響應曲線的化學物質MoA分類方法 79
4.1 引言 79
4.2 TCRC數(shù)據(jù)預處理 82
4.3 算法原理及步驟 86
4.3.1 主成分分析 87
4.3.2 函數(shù)型數(shù)據(jù)分析 91
4.3.3 層次聚類算法 97
4.4 算法驗證及結果 98
4.5 結果與討論 101
參考文獻 102
第5章 細胞毒性動態(tài)響應數(shù)據(jù)的可靠性分析方法 106
5.1 引言 106
5.2 邊緣效應檢測與篩選方法 108
5.2.1 問題描述 108
5.2.2 算法原理及步驟 108
5.2.3 算法驗證及結果 115
5.3 RTCA實驗數(shù)據(jù)重復性評估方法 128
5.3.1 算法原理及步驟 128
5.3.2 算法驗證及結果 132
5.4 本章小結 140
參考文獻 140
第6章 基于細胞毒性動態(tài)響應曲線的誘變細胞數(shù)目預測模型估計 143
6.1 引言 143
6.2 誘變細胞數(shù)目預測模型估計方法 144
6.3 誘變細胞數(shù)目預測模型分析 149
6.4 本章小結 150
參考文獻 150
附錄 152