详细内容或原文请订阅后点击阅览
AI学习生物学变异性以发展高性能血清培养基
细胞培养是一种广泛用于药品生产，再生医学，食品科学和材料工程等领域的基础技术。成功细胞培养的关键成分是培养基，一种含有支持细胞生长的必需营养素的溶液。
来源:英国物理学家网首页细胞培养是一种广泛用于药品生产，再生医学，食品科学和材料工程等领域的基础技术。成功细胞培养的关键成分是培养基，一种含有支持细胞生长的必需营养素的溶液。
因此，为特定应用优化培养基至关重要。最近，机器学习已成为有效媒体优化的强大工具。但是，用于训练此类模型的实验数据通常表现出由实验程序或设备的细胞行为和噪声波动引起的生物变异性。这种可变性可以显着降低机器学习模型的预测准确性。
机器学习 实验数据在新生物技术发表的一项研究中，杜斯库巴大学的研究人员开发了一种机器学习模型，该模型明确地说明了生物学可变性，并将其应用于确定无血清培养基的最佳配方。
一项研究 新生物技术，CHO-K1细胞（源自中国仓鼠卵巢），并测量细胞浓度以量化生物学变异性。研究人员将中等成分，生物学变异性和细胞密度的数据集成到了合并多种算法的机器学习框架中。他们进一步采用了积极的学习 - 模型培训和实验验证的迭代循环。
结果，他们成功地开发了一种无血清的培养基，与市售产品相比，该培养基的细胞密度高约1.6倍。由于该培养基是针对CHO-K1细胞进行了专门优化的，因此该研究证明了该模型捕获单个细胞类型的独特营养需求的能力。
培养基 再生医学 更多信息：