鄭州大學(xué)丨使用機(jī)器學(xué)習(xí)算法預(yù)測(cè)冷凍生物打印中冷凍保護(hù)劑的效果

來(lái)源：生物設(shè)計(jì)與制造

本研究論文聚焦于冷凍生物打印中冷凍保護(hù)劑的配方及其性能預(yù)測(cè)研究。利用機(jī)器學(xué)習(xí)算法，以細(xì)胞存活率為指標(biāo)，預(yù)測(cè)不同配方的冷凍保護(hù)劑的性能。冷凍生物打印將擠出式生物打印與冷凍保存相結(jié)合，具有解決傳統(tǒng)生物打印缺乏貨架可用性問(wèn)題的巨大潛力。為了保證細(xì)胞在冷凍狀態(tài)下的活性，同時(shí)避免二甲基亞砜(DMSO)可能產(chǎn)生的毒性，無(wú)DMSO的生物墨水設(shè)計(jì)是冷凍生物打印的關(guān)鍵。然而，開(kāi)發(fā)通用和高效的生物墨水需要大量的實(shí)驗(yàn)。本研究首先通過(guò)實(shí)驗(yàn)比較了兩種常用的冷凍保護(hù)劑（CPA）配方。結(jié)果表明，乙二醇作為滲透性CPA的效果比甘油的保護(hù)性能好6.07%。隨后建立了兩個(gè)數(shù)據(jù)集和四個(gè)不同的機(jī)器學(xué)習(xí)模型來(lái)預(yù)測(cè)實(shí)驗(yàn)結(jié)果。比較了多元線性回歸(MLR)、決策樹(shù)(DT)、隨機(jī)森林(RF)和人工神經(jīng)網(wǎng)絡(luò)(ANN)算法的預(yù)測(cè)能力，其順序?yàn)锳NN>RF>DT>MLR。然后將所建立的ANN模型應(yīng)用于另一個(gè)數(shù)據(jù)集。結(jié)果表明，使用機(jī)器學(xué)習(xí)算法可以準(zhǔn)確預(yù)測(cè)由不同CPA組成的生物墨水的效果。此外，本研究提出的方法具有泛化性，有望加快用于冷凍生物打印的生物墨水的研究和發(fā)展。

點(diǎn)擊下載PDF原文：https://link.springer.com/article/10.1007/s42242-023-00244-4

圖1 使用機(jī)器學(xué)習(xí)算法預(yù)測(cè)冷凍保護(hù)劑效果的實(shí)驗(yàn)原理圖

圖2 乙二醇和甘油組的細(xì)胞存活率的分布。每組包含48個(gè)樣品，每個(gè)樣品的乙二醇/甘油和糖的濃度都不同

圖3 使用多元線性回歸算法的預(yù)測(cè)結(jié)果。(a) 第1天預(yù)測(cè)和觀察到的細(xì)胞存活率；(b) 第7天預(yù)測(cè)和觀察到的細(xì)胞存活率；(c) 第15天預(yù)測(cè)和觀察到的細(xì)胞活力；(d) 各變量在MLR預(yù)測(cè)模型中的重要性

圖4 使用決策樹(shù)、隨機(jī)森林和人工神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果

圖5 機(jī)器學(xué)習(xí)模型的預(yù)測(cè)誤差分布。(a) 不同機(jī)器學(xué)習(xí)模型在數(shù)據(jù)集1的測(cè)試集上的平均絕對(duì)誤差分布；(b) 人工神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)集2的測(cè)試集上的平均絕對(duì)誤差分布

引用本文：
Qiao Q, Zhang X, Yan Z, et al., 2023. The use of machine learning to predict the effects of cryoprotective agents on the GelMA-based bioinks used in extrusion cryobioprinting. Bio-des Manuf (Early Access). https://doi.org/10.1007/s42242-023-00244-4