细胞型鉴定、细胞形态学分析以及二维转染监测等方法 Two Mouse Models for Acute Myeloid Leukemia (AML)

AI天才研究院

已于 2023-09-15 14:50:17 修改

阅读量1.1k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： Python实战 AI人工智能与大数据文章标签：大数据人工智能语言模型 Java Python 架构设计

于 2023-09-15 12:32:23 首次发布

本文链接：https://blog.csdn.net/universsky2015/article/details/132899618

AI人工智能与大数据同时被 2 个专栏收录

该专栏为热销专栏榜第80名

38645 篇文章 ¥69.90 ¥99.00

订阅专栏

超级会员免费看

Python实战

6689 篇文章 ¥39.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了用于急性髓系白血病(AML)研究的两种老鼠模型，通过细胞型鉴定、细胞形态学分析和二维转染监测，提高了早期检测的精确度。模型利用单细胞分化树、激活细胞和信号传播等原理，探讨了模型的优缺点，提出了改进措施，旨在优化细胞分化模式的解释和治疗效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

作者：禅与计算机程序设计艺术

1.简介

在临床早期检测出胰腺癌的基因突变时，目前最常用的检查是假阴性，即先做出一个假设，然后对剩下的阴性病例进行检测。但事实上，随着时间的推移，发现假阴性病例中潜伏的真菌变种会越来越多、数量也会越来越大。这样一来，得到的假阴性就会更多、准确率更低。因此，基于国际上公认的假阴性检测标准，又提出了新的假阴性检测方案。One-class SVM（OC-SVM）是一种传统机器学习方法，通过构建支持向量机来对一系列数据点进行分类。然而，由于对不同个体样本之间差异较大的检测效应，OC-SVM模型可能会误认为某些个体具有良性疾病或“真阴性”，进而将其错误地划入正负类别中。为了解决这一问题，有学者提出了“Two mouse models”框架，该框架假设在模拟双鼠疫患者的细胞学分化过程中的两只老鼠——雄性鼠和雌性鼠，通过雌性鼠对抗积极的细胞中枢(Active Oncogene-Specific T Cells, AOS T cells)，并通过雄性鼠抑制AOS T cells形成恶性T淋巴细胞(Dead T-Lymphocytes, DT LC)。通过对两只老鼠进行细胞型鉴定、细胞形态学分析以及二维转染监测等方法，可以对治疗前期的两种类型细胞的活动状态进行比较，从而提高检测的精确度和鲁棒性。本文就要讨论这一模型的优缺点及其适用范围。