细胞毒性数据挖掘技术与应用(第2版)

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、细胞毒性动态响应数据的可靠性分析方法，以及低诱变细胞数目预测模型估计。本书可作为高等院校生物信息学科、数据挖掘学科研究生的参考用书，也可供从事细胞生物学、毒理学、食品安全、污染物风险评估工作的专业人员、科研人员和管理人员阅读参考。

前言
第1章 细胞电阻抗传感技术概述 1
1.1 细胞电阻抗传感技术背景 2
1.1.1 细胞电阻抗传感技术简介 2
1.1.2 细胞电阻抗传感技术的意义 5
1.1.3 细胞电阻抗传感技术发展历程 5
1.2 基于细胞电阻抗传感技术的典型仪器 7
1.2.1 ECIS细胞动态分析仪 7
1.2.2 Bionas1500/2500细胞代谢监测仪 10
1.2.3 CellKey细胞介电谱分析系统 11
1.2.4 Cellasys细胞代谢监测仪 12
1.2.5 RTCA实时细胞分析仪 13
1.3 细胞电阻抗传感技术的应用 15
1.3.1 心肌细胞功能检测 15
1.3.2 细胞黏附和伸展 16
1.3.3 细胞共培养 18
1.3.4 细胞迁移和浸润 18
1.3.5 细胞毒性检测 19
1.4 RTCA细胞毒性数据的预处理 21
参考文献 27
第2章 细胞毒性动力学模型参数估计方法 30
2.1 引言 30
2.2 细胞毒性动力学模型描述 31
2.3 算法原理及步骤 32
2.4 算法验证及结果 34
2.5 混合物细胞毒性动力学模型辨识 41
2.6 细胞毒性动力学模型应用 44
2.6.1 化学物质的浓度估计 44
2.6.2 人体细胞的雌性激素分析 47
2.7 本章小结 50
参考文献 50
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 53
3.1 引言 53
3.2 LC50/GI50算法及步骤 54
3.3 AUC50算法及步骤 60
3.4 KC50算法及步骤 67
3.5 RC预测模型的对比分析 73
3.6 结果与讨论 79
参考文献 82
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 86
4.1 引言 86
4.2 TCRC数据预处理 89
4.3 算法原理及步骤 93
4.3.1 主成分分析 94
4.3.2 函数型数据分析 98
4.3.3 层次聚类算法 104
4.4 算法验证及结果 105
4.5 结果与讨论 108
参考文献 109
第5章 细胞毒性动态响应数据的可靠性分析方法 113
5.1 引言 113
5.2 边缘效应检测与筛选方法 115
5.2.1 问题描述 115
5.2.2 算法原理及步骤 115
5.2.3 算法验证及结果 122
5.3 RTCA实验数据重复性评估方法 135
5.3.1 算法原理及步骤 135
5.3.2 算法验证及结果 139
5.4 RTCA重复性实验数据使用方法 147
5.4.1 问题描述 147
5.4.2 算法原理 149
5.4.3 算法验证及结果 151
5.5 本章小结 155
参考文献 156
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 159
6.1 引言 159
6.2 诱变细胞数目预测模型估计方法 160
6.3 诱变细胞数目预测模型分析 165
6.4 本章小结 166
参考文献 166
附录 168