利用深度学习进行精准快速的纳米复合药物筛选
现阶段，由于诸多干扰因素，例如纳米材料对细胞状态的影响和对常见实验手段结果的干扰等，纳米复合药物系统的治疗效果评估一直缺乏精准的判断方法，结合现如今机器学习在科研领域越来越广泛的应用，机器学习可能成为解决这一问题的有效途径。近日，同济大学附属上海同济医院的程黎明教授团队朱融融等开发了DeepScreen——一种基于深度学习的可以用于纳米复合药物筛选的新方法，其具有精准、迅速以及抗干扰等优势。
DeepScreen利用卷积神经网络（Convolutional neural network，CNN），基于流式细胞获得的单细胞图像，和常用实验手段相比较，可以大幅度节约检测时间，从原先的几天缩短到2-6小时，有效提高检测效率。同时，机器学习可以减少来自于人为实验操作带来的误差，结果表明检测准确度高达0.966，证实了其在缩短了检测时间的基础上仍可以保证检测精确度。在自发荧光药物效果判断结果上看，DeepScreen也具备了优秀的抗干扰能力，是一种兼备快速、精确和抗干扰的检测方法。此外，Class activation maps显示深度学习可以高效提取、识别和定位到细胞凋亡的微小变化特征，从而在药物作用的早期阶段，甚至在有纳米材料和药物自发荧光等干扰条件下，精准地判断药物的作用效果。我们相信，拥有多项突出优势的DeepScreen将成为一种有广阔应用前景的药物检测系统。
相关工作发表在Advanced Science（DOI: 10.1002/advs.201800909）上。
猜你喜欢
金-钆复合纳米载体协助化疗药物突破肿瘤组织内部的病理屏障并实现可视化检测
（点击以上标题可以阅读原文）
MaterialsViewsChina
官方微信平台
聚焦材料新鲜资讯
材料大牛VS新秀访谈
MVC论文排行榜每月新鲜出炉
热爱科研的你还在等什么，快加入我们一起微互动吧！！！
微信号：materialsviews
微博：materialsviews中国
欢迎个人转发和分享，刊物或媒体如需要转载，请联系：
materialsviewschina@wiley.com
关注材料科学前沿，请长按识别二维码
点击左下角“阅读原文”，阅读Advanced Science原文