G2Φnet：利用深度学习关联组织的基因型与生物力学表型
组织与器官
2023-01-11 v1 机器学习
摘要
许多基因突变会对承重软组织的结构与功能产生不利影响，其临床后遗症常导致残疾或死亡。遗传学与组织力学表征的并行进展为这些疾病提供了重要见解，但整合此类信息仍十分迫切。我们提出一种新颖的基因型到生物力学表型神经网络（G2Φnet），用于表征与分类软组织的生物力学特性，其作为组织健康或疾病的重要功能性读出。我们通过推断涉及细胞外成分缺陷或缺乏的四种小鼠模型中主动脉的非线性、基因型依赖性本构行为，阐明了该方法的效用。我们表明，G2Φnet 可利用有限、含噪且非结构化的实验数据，在推断生物力学响应的同时正确归属相应基因型。更广泛地，G2Φnet 为定量关联基因型与生物力学表型提供了强有力的方法与范式转变，有望增进对其在生物组织中相互作用的理解。
引用
@article{arxiv.2208.09889,
title = {G2{\Phi}net: Relating Genotype and Biomechanical Phenotype of Tissues with Deep Learning},
author = {Enrui Zhang and Bart Spronck and Jay D. Humphrey and George Em Karniadakis},
journal= {arXiv preprint arXiv:2208.09889},
year = {2023}
}
备注
41 pages, 9 figures