大数据技术在毒理学领域的创新应用：细胞毒性数据挖掘技术与应用

随着传感器技术、计算机技术、生物信息技术及检测技术的快速发展，人们往往可以轻松获取大量的、复杂连续的数据，如何处理这些复杂连续的数据，对传统的统计方法提出了挑战。

在受试物的作用下，细胞生理功能产生一系列的变化(细胞毒性)，其外在表现形式为细胞生长、伸展、形态变化、浸润及迁移、死亡和贴壁等，这些形态很大程度上与细胞株类型、受试物性质、浓度及暴露时间相关。细胞的这些生物学变化特性可以通过细胞电阻抗传感技术以高通量的形式捕获，并以时间序列的形式存储在计算机中。研究表明，体外细胞毒性与动物急性毒性死亡剂量之间具有高度相关性，已成为快捷、高效的药物筛选与评估手段。为此，面向细胞毒性数据的函数型特点，设计开发出新的数据挖掘与模式识别方法，已成为毒理学、药理学、食品安全、污染物风险评估等领域的研究热点。

标准细胞毒性曲线

本书紧紧围绕细胞毒性数据的函数型分析方法展开描述。

第 1 章总结了细胞电阻抗传感技术的原理及其发展历程，介绍了五种基于细胞电阻抗传感技术的典型仪器的特点；并以实时细胞分析仪(real-time cell analyzer, RTCA)为例，描述了无标记实时细胞分析技术应用领域；此外，还给出了 RTCA 的细胞毒性动态响应曲线(time-dependent cellularresponse curve, TCRC)预处理方法。

RTCA 检测技术原理

第 2 章从化学物质的细胞毒性动力学方程出发，根据细胞毒性吸收及死亡机制，构建了细胞坏死与细胞凋亡两种细胞毒性动力学模型，结合带约束的非线性优化算法，给出该模型参数的估计方法。在此基础上，利用扩展卡尔曼滤波算法，借助 RTCA 细胞毒性数据，可实时估计出有毒物质作用于细胞株的浓度，极大地提前了风险预警时间。

利用短期数据(92 h)预测未来的细胞毒性响应

第 3 章根据化学物质细胞毒性响应曲线数据，基于传统的单一时间点，给出LC / GI 5050 细胞毒性的计算方法。此外，基于 TCRC 的特征，分别提出 AUC50 与KC50两种毒性指标及其计算方法。与此同时，分别建立三种方法的“剂量-反应”模型。在此基础上，将三种细胞毒性指标与美国 RC(Registry of Cytotoxicity)数据库中的体内急性毒性值做相关性分析，比较各自的差异。

标准细胞毒性曲线

第 4 章根据化学物质细胞毒性响应曲线形态，结合函数型数据分析技术与层次分类法，提出了一种基于细胞毒性作用模式(mode of action, MoA)的化学物质筛选与分类算法，在细胞层面上实现对化学物质的高通量筛选。

TCRCs 特征提取两步法

第 5 章对 E-Plate 的边缘效应与E-Plate 的组内/组间重复性两个常见的 RTCA 实验问题，提出了相应的实验数据可靠性评估方法，并制定了可靠性评估标准。此外，也给出一种重复性 RTCA 实验数据的使用方法，增加细胞毒性评估的科学性与合理性。

第 6 章利用细胞增殖 TCRC 的曲线特征，由细胞分裂的指数期和初始诱变细胞数目的关系，构建低数量级诱变细胞的预测模型，给出一种低数量级诱变细胞的高通量计数方法，可以用于基因毒性测试。

诱变细胞 RTCA 实验设计

细胞毒性数据挖掘技术与应用（第二版）

潘天红，陈娇 著

北京：科学出版社，2023.3

ISBN 978-7-03-074826-3 

责任编辑：李涪汁

内容简介

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。本书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。

作者简介

潘天红，安徽大学电气工程与自动化学院教授、博士生导师，安徽省“特支计划”创新领军人才，江苏省“333”高层次人才工程与“六大高峰”培养对象，IEEE高级会员，中国自动化学会高级会员，过程控制专委会委员，国家发明奖通讯评审专家、科技部重点研发计划会评专家。长期从事非线性系统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，出版专著3部，授权美国发明专利2件、授权中国发明专利38件，申请计算机软件著作权13项，主持了包括国家自然科学基金、国家重点研发计划子项目在内的科研项目十余项，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。

（本文编辑：王芳）