|
| 状态 |
2024年5月17日公开 |
| 标题 |
利用机器学习技术实现设计者心脏器官的功能优化 |
| 有机体 |
智人 |
| 实验类型 |
通过高通量测序进行表达谱分析
|
| 总结 |
干细胞类有机物是研究器官发育、疾病建模、药物筛选和再生医学应用的强大模型。有机物技术、组织工程和人工智能（AI）的融合可能会增强我们对有机物工程设计原则的理解，我们利用微模式技术创建了一个包含230个心脏器官的设计器库，其中包含7种几何设计（圆形200、圆形600、圆形1000、矩形1:1、矩形1:4、星形1:1和星形1:4）。我们利用多种学习技术，基于10个生理参数分析单个器官的异质性。我们利用无监督机器学习方法，基于心脏类器官的功能相似性，成功地对其进行了聚类和优化，从而阐明了与几何设计相关的独特功能。我们还强调了钙上升时间在基于几何模式和聚类结果区分类有机物方面的关键作用。有机物工程和机器学习的这种创新性集成增强了我们对心脏有机物结构-功能关系的理解，为更可控和优化的有机物设计铺平了道路。
|
| |
|
| 总体设计 |
为了阐明这些不同的类器官群体之间的转录组学差异，我们对矩形1:4和圆形600类器官进行了大量RNA测序。
|
| |
|
| 贡献者 |
科瓦尔琴斯基A,太阳S,纽约州迈市,歌曲Y,Hoang P公司,刘X,杨H,马Z |
| 引文缺失 |
这项研究发表了吗？拜托登录更新或通知GEO。 |
| 提交日期 |
2024年5月14日 |
| 上次更新日期 |
2024年5月17日 |
| 联系人姓名 |
宋元辉 |
| 电子邮件 |
邮箱：syh0534@gmail.com
|
| 组织名称 |
雪城大学
|
| 街道地址 |
318鲍恩厅
|
| 西蒂 |
雪城 |
| 邮政编码 |
13244 |
| 国家 |
美国 |
| |
|
| 平台（1） |
|
| 样品（6）
|
|
| 关系 |
| 生物项目 |
项目编号111511 |
