COBRA 算法：突破原子力顯微鏡（AFM）數據分析困境，開啟細胞組織生物力學特性高通量精準研究新時代 - 生物通

今日動態返回首頁

登錄會員注冊生物通快訊免費訂閱

生物通首頁 > 今日動態 > 正文

COBRA 算法：突破原子力顯微鏡（AFM）數據分析困境，開啟細胞組織生物力學特性高通量精準研究新時代

《Biophysical Journal》：Automated Atomic Force Microscopy Analysis Using Convolutional and Recurrent Neural Networks

【字體：大中小】 時間：2025年05月11日 來源：Biophysical Journal 3.4

編輯推薦：

　　原子力顯微鏡（AFM）壓痕技術可用于細胞和組織生物力學特性的高分辨率空間表征，但 AFM 力曲線的快速、可重復和定量分析受技術限制。研究人員開展了利用卷積和循環神經網絡進行 AFM 數據分析的研究，提出 COBRA 算法，能有效處理數據，該算法可提高分析精度和可重復性。

　　原子力顯微鏡（Atomic Force Microscope，AFM）壓痕技術能夠對細胞和組織的生物力學特性進行高分辨率的空間表征。然而，由于存在一些技術限制，比如過多的噪聲以及接觸點確定時的不確定性，對 AFM 力曲線進行快速、可重復且定量的分析一直頗具挑戰。

在此，研究人員提出了一種全新的機器學習（Machine Learning，ML）算法，即由卷積雙向長短期記憶神經網絡構成的 COBRA（Convolutional Bidirectional Recurrent Architecture）算法。該算法無需預先了解基礎材料的屬性，就能可靠地處理 AFM 彈性成像的原始數據，對低質量的曲線進行篩選，并精準識別接觸點。

研究人員利用 7 種不同的健康和病變細胞類型中超過 5000 條經過人工篩選的力曲線，訓練了多種回歸和分類算法，以比較它們的效用。與傳統的分析或半定量技術以及其他 ML 方法相比，COBRA 方法在識別低質量或異常的壓痕事件方面表現更優，曲線下面積達到 0.92。同時，它在估計接觸點時的最小絕對誤差為 28±3 nm，在逐點彈性模量的估計上，平均絕對百分比誤差僅為 5.3±0.7%。該方法還成功地在從文獻中獨立獲取的、使用不同探針和基底的 AFM 數據中識別出了接觸點。

總之，該方法能夠快速篩選低質量的 AFM 力曲線，以最低的誤差自動處理原始壓痕數據，從而實現高通量分析，提高分析的精度和可重復性。

相關新聞

生物通微信公眾號

微信

新浪微博

搜索
國際
國內
人物
產業
熱點
科普

熱搜：原子力顯微鏡（AFM）|卷積雙向長短期記憶神經網絡（COBRA）|細胞|組織|生物力學特性|數據分析

急聘職位
高薪職位

知名企業招聘

熱點排行

新聞專題

今日動態 | 人才市場 | 新技術專欄 | 中國科學人 | 云展臺 | BioHot | 云講堂直播 | 會展中心 | 特價專欄 | 技術快訊 | 免費試用

版權所有生物通

Copyright© eBiotrade.com, All Rights Reserved

聯系信箱：

粵ICP備09063491號

亚洲欧美自拍偷拍,亚洲人成77777,亚洲男女自偷自拍,亚洲成年在线