基于机器学习与生物力学模型的快速预测器官化
生物物理
2025-02-13 v1 组织与器官
摘要
我们提出一种机器学习方法，用于预测3D培养中角质细胞、星形细胞和成纤维细胞组织的组织构成。该方法采用名为pix2pix的强大的生成对抗网络架构进行训练，训练数据来源于生物力学收缩网络偶极子取向（CONDOR）模拟结果。后文中将该机器学习方法称为RAPTOR（RApid Prediction of Tissue ORganisation）方法。创建包含多种CONDOR模拟的训练数据集，涵盖各种底层模型参数。通过与培养的星形、角质和成纤维细胞组织比较来验证训练好的神经网络，CONDOR与RAPTOR方法的结果表现良好。发展一种方法以拟合组织特性确定CONDOR模型参数。RAPTOR输出多种组织特性，包括细胞密度、细胞排列和张力。由于其快速，RAPTOR在设计用于组织生长的锚定模具方面具有重要价值。
引用
@article{arxiv.2502.08062,
title = {Rapid prediction of organisation in engineered corneal, glial and fibroblast tissues using machine learning and biophysical models},
author = {Allison E. Andrews and Hugh Dickinson and Caitriona O'Rourke and James B. Philips and James P. Hague},
journal= {arXiv preprint arXiv:2502.08062},
year = {2025}
}
备注
17 pages, 11 figures