细胞毒性数据挖掘技术与应用

实时细胞电子分析技术已广泛应用于细胞生物学、分子生物学、肿瘤学、生物化学、毒理学等多种学科领域，以及药物筛选、研发、生产及质量控制过程。《细胞毒性数据挖掘技术与应用》系统地阐述了细胞毒性数据的数据挖掘技术与模式识别方法，共分6章，具体包括：细胞电阻抗传感技术、细胞毒性动力学模型参数估计方法、体外细胞毒性评价方法、化学物质MoA分类方法、细胞毒性数据的可靠性分析方法及低诱变细胞数目预测模型估计等。

潘天红，安徽大学电气工程与自动化学院教授、博士生导师。2007年于上海交通大学控制理论与控制工程专业获博士学位，2011年与2015年分别于台湾清华大学（1.5年）与加拿大阿尔伯塔大学（3.5年）博士后出站。多年来一直从事数据驱动建模与优化控制方面的研究工作。发表SCI／EI收录论文100余篇，出版英文专著1部，授权美国发明专利2件、中国发明专利33件，获批计算机软件著作权8项。主持了包括国家自然科学基金、国家重点研发计划子课题在内的科研项目10余项，以第一完成人获省部级科学技术奖一等奖1项、二等奖1项。

前言
第1章 细胞电阻抗传感技术概述
1.1 细胞电阻抗传感技术背景
1.1.1 细胞电阻抗传感技术简介
1.1.2 细胞电阻抗传感技术的意义
1.1.3 细胞电阻抗传感技术发展历程
1.2 基于细胞电阻抗传感技术的典型仪器
1.2.1 ECIS细胞动态分析仪
1.2.2 Bionas 1500/2500细胞代谢监测仪
1.2.3 CellKey细胞介电谱分析系统
1.2.4 Cellasys细胞代谢监测仪
1.2.5 RTCA实时细胞分析仪
1.3 细胞电阻抗传感技术的应用
1.3.1 心肌细胞功能检测
1.3.2 细胞黏附和伸展
1.3.3 细胞共培养
1.3.4 细胞迁移和浸润
1.3.5 细胞毒性检测
1.4 RTCA细胞毒性数据的预处理
参考文献
第2章 细胞毒性动力学模型参数估计方法
2.1 引言
2.2 细胞毒性动力学模型描述
2.3 算法原理及步骤
2.4 算法验证及结果
2.5 细胞毒性动力学模型应用
2.6 本章小结
参考文献
第3章 基于细胞毒性动态响应曲线的体外细胞毒性评价方法
3.1 引言
3.2 LC50/GI50算法及步骤
3.3 AUC50算法及步骤
3.4 KC50算法及步骤
3.5 RC预测模型的对比分析
3.6 结果与讨论
参考文献
第4章 基于细胞毒性动态响应曲线的化学物质MoA分类方法
4.1 引言
4.2 TCRC数据预处理
4.3 算法原理及步骤
4.3.1 主成分分析
4.3.2 函数型数据分析
4.3.3 层次聚类算法
4.4 算法验证及结果
4.5 结果与讨论
参考文献
第5章 细胞毒性动态响应数据的可靠性分析方法
5.1 引言
5.2 边缘效应检测与筛选方法
5.2.1 问题描述
5.2.2 算法原理及步骤
5.2.3 算法验证及结果
5.3 RTCA实验数据重复性评估方法
5.3.1 算法原理及步骤
5.3.2 算法验证及结果
5.4 本章小结
参考文献
第6章 基于细胞毒性动态响应曲线的诱变细胞数目预测模型估计
6.1 引言
6.2 诱变细胞数目预测模型估计方法
6.3 诱变细胞数目预测模型分析
6.4 本章小结
参考文献
附录