文献

J-GLOBAL ID：201902256583432252   整理番号：19A1884874

機械学習により解析した固体表面上の形態学的特徴を用いたエキソソームの宿主細胞予測【JST・京大機械翻訳】

Host Cell Prediction of Exosomes Using Morphological Features on Solid Surfaces Analyzed by Machine Learning

著者 (12件)： Ito Kazuki (Yokohama National University, Japan) ,  Ogawa Yuta (Yokohama National University, Japan) ,  Yokota Keiji (Yokohama National University, Japan) ,  Matsumura Sachiko (Japanese Foundation for Cancer Research, Japan) ,  Minamisawa Tamiko (Japanese Foundation for Cancer Research, Japan) ,  Suga Kanako (Japanese Foundation for Cancer Research, Japan) ,  Shiba Kiyotaka (Japanese Foundation for Cancer Research, Japan) ,  Kimura Yasuo (Tokyo University of Technology, Japan) ,  Hirano-Iwata Ayumi (Tohoku University, Miyagi, Japan) ,  Takamura Yuzuru (Japan Advanced Institute of Science and Technology, Ishikawa, Japan) ,  Ogino Toshio (Yokohama National University, Japan) ,  Ogino Toshio (Japan Advanced Institute of Science and Technology, Ishikawa, Japan)
資料名： Journal of Physical Chemistry B  (Journal of Physical Chemistry B)
巻： 122  号： 23  ページ： 6224-6235  発行年： 2018年 
JST資料番号： W0921A  ISSN： 1520-6106  CODEN： JPCBFK  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： エキソソームはどの細胞からも放出される細胞外ナノベシクルであり,体液中に見出される。エキソソームはそれらの宿主細胞(分泌細胞)の情報を示すので,それらの分析は癌の早期診断のための強力なツールであることが期待される。ホスト細胞を予測するために,原子間力顕微鏡(AFM)により固体表面上に固定化されたエキソソームのサイズ,形状および変形に関する多次元特徴データを抽出した。主要なアイデアは,個々のエキソソーム粒子のためのサポートベクトルマシン(SVM)学習と主成分分析(PCA)によるそれらの解釈の組合せである。著者らは,SiO_2/Si,3-アミノプロピルトリエトキシシラン修飾SiO_2/Si,およびTiO_2基板上の3つの異なる癌細胞から誘導されたエキソソームをAFMによって観察した。次に,14次元特徴ベクトルをAFM粒子データから抽出し,分類装置を14次元空間で訓練した。試験AFM粒子のホスト細胞の予測精度を交差検証試験により調べた。結果として,2クラスSVM学習に対して85.2%,3クラスに対して8%の最良の精度でエキソソーム宿主細胞の予測を得た。粒子分類器のPCAにより,予測精度に対する主因子とその基板への強い依存性は,それらの体積を持つ粒子のPCA定義アスペクト比における増分的減少であると結論した。Copyright 2019 American Chemical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 腫瘍細胞 ,  アスペクト比 ,  基板 ,  早期診断 ,  原子間力顕微鏡 ,  *機械学習 ,  主成分分析 ,  *予測 ,  高次元 ,  サポートベクトルマシン ,  *学習 ,  予測精度 ,  ナノベシクル ,  *エキソソーム
準シソーラス用語： 固定化 , 【Automatic Indexing@JST】

分類 (1件)： 高分子固体の構造と形態学  (CG02022M)

タイトルに関連する用語 (7件)： 機械学習 ,  解析 ,  固体表面 ,  形態学的特徴 ,  エキソソーム ,  宿主細胞 ,  予測