国家自然科学基金(11272366)
- 作品数：4 被引量：0H指数：0
- 相关作者：潘君龚啸元陆娟张梦雪吕守芹更多>>
- 相关机构：重庆大学天津大学中国科学院力学研究所更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：医药卫生生物学更多>>
- 基于深度学习和数学模型的胞内钙信号数据处理新方法
- 2019年
- 胞内钙信号在研究细胞生命活动和探讨力对细胞的影响中非常重要,并且[Ca2+]i的改变是细胞状态变化或响应胞外刺激的指纹,这使钙信号数据处理方法备受关注。常用的钙信号数据处理过程是,用荧光或磁性指示剂对胞内Ca2+进行成像;在钙成像视频中通过圈细胞轮廓算出胞内[Ca2+]i;连接所有时间点的[Ca2+]i获得荧光或磁共振强度随时间变化的曲线,即钙曲线;找出钙曲线上的每个钙响应峰;通过钙响应峰计算钙信号的频率、振幅、持续时间、及钙浓度等参数。上述过程中,圈细胞轮廓和寻找钙曲线上的钙响应峰需要人手动完成,这明显降低了钙信号处理的效率。因此需要更高效的方法来处理钙信号数据。由于通过标记数据来学习人类经验是深度学习的优势之一,并且训练有素的深度学习神经网络可以取代人类工作。因此,本研究使用了两种类型的神经网络模型来实现目标。一是用全卷积神经网络(FCN-8 s)识别钙成像图片中的细胞;另一个是通过自主搭建长短时记忆(LSTM)循环神经网络(RNN)——'LSTM-F'寻找钙峰。由于LSTM-F模型对异常峰的识别效果不佳,本研究构建了一个可以描述异常钙峰共同特征的数学模型(MM)来寻找异常峰。结果显示,训练好的FCN-8 s模型可以准确识别出细胞的形状,大小和位置。FCN获得的钙信号曲线与手动获得的曲线非常相似,Pearson’s correlation高达0.985。结合MM的LSTM-F模型可以正确找出绝大多数钙峰,并且用MM为LSTM-F训练做标签提高了效率且减小误差。另外,与手动钙数据处理时间相比,FCN-8 s、LSTM-F和MM能在较短时间内完成任务。因此,这些新算法提高了效率和准确率,促进了自动化分析,简化了钙信号处理步骤,为钙信号分析方法的推广提供了帮助。
- 周瑾张绪森吴桓潘君
- 关键词：循环神经网络数学建模
- 前列腺素E2对成骨细胞微丝强度的调控作用
- 2014年
- 目的 观察前列腺素E2（PGE2）在受到流体剪应力（FSS）加载后的MC3T3-E1成骨细胞株中对微丝强度的调控作用,并且探讨相关机制.方法 使用荧光标记法对经过FSS加载以及空白试剂、16,16-二甲基前列腺素E2（dmPGE2）、dmPGE2＋蛋白激酶A肽抑制剂（PKI）、8溴-环单磷酸腺苷（8Br-cAMP）、8Br-cAMP＋ PKI处理后的MC3T3-E1细胞中微丝进行染色处理;并通过图像处理软件（Volocity）对细胞中连续微丝的比例进行量化,检测dmPGE2对细胞中微丝强度的调控作用以及蛋白激酶A（PKA）信号通路的参与作用.结果 相对于空白对照组,dmPGE2显著降低了FSS加载后MC3T3-E1细胞中的微丝的强度.PKA信号通路的激活剂8Br-cAMP在一定程度上模拟了dmPGE2对微丝的作用;PKA信号通路阻滞剂PKI削弱了dmPGE2的作用.结论 dmPGE2能够促进FSS加载后MC3T3-E1细胞中微丝强度向静态水平的恢复;并且发现PKA信号通路参与此调控过程.
- 龚啸元王彬易彩霞潘君
- 关键词：成骨细胞前列腺素E2细胞骨架流体剪应力
- 不同速度增加的剪应力对干细胞分化的调节
- 2019年
- 间充质干细胞(MSCs)在创伤或化学物质刺激后会被招募到肌肉骨骼系统中,在微环境的刺激下分化为骨或软骨细胞。流体剪切应力(FSS)在肌肉骨骼系统中对组织的发育、功能以及修复至关重要。前期的研究表明不同速度增加的FSS通过调节阳离子选择性通道(MSCC),细胞内钙水平和F-actin可以刺激MSCs向不同方向分化。0-0’促进MSC朝软骨向分化,相比之下,0-2’促进MSCs朝成骨向分化,0-20’引起适度的成骨和软骨形成表型(0-0’、0-2’、0-20’分别表示从静置后的0 min,在0、2和20 min内剪应力大小以线性速度从0 dyn/cm^2增加到10 dyn/cm^2)。此外,还发现20 min FSS的分化效果与5 d的化学刺激和2 d的硬度基底诱导相当,证明FSS是MSCs分化控制的有效调节手段。在本研究中继续对FSS调控MSCs分化的机制进行研究。发现0-0’和0-2’处理组Lamin A的表达量最高,0-20’处理组最低。当用siRNA将Lamin A的表达降低后发现,成骨分化的关键转录因子runx2的表达没有变化,但是软骨细胞分化的关键转录因子sox9的表达量显著降低。本研究表明,MSCs对不同的FSS具有极高的敏感度,这为训练骨质疏松症和骨关节炎患者提供参考依据。
- 岳丹阳陆娟张梦雪白玉英潘君
- 关键词：流体剪应力成骨分化软骨分化
- 膜环境下肽链的粗粒化力场研究及开发
- 2019年
- 对于粗粒化力场的研究是考察生物大分子微观结构的动力学特征的重要基础,目前已开发的适用于生物体系的粗粒化力场精确度无法确定。本文采用迭代玻尔兹曼反演法(IBI),开发在确定精确度下适用于膜环境中的肽链的粗粒化力场。迭代玻尔兹曼反演法是一种基于分子结构确定势函数参数的方法,通过重现全原子结构动力学,模拟生成分子结构的各项分布函数,通过多次迭代计算,直到达到精确度要求,并同时确定力场参数。本文采用GRO MACS软件建立了肽链KALP在膜环境DPPC下的全原子模型及粗粒化体系,沿用较为成熟的Martini映射方案对体系进行粗粒化。玻尔兹曼反演方法可以确定体系中分布函数与势能之间的对应关系,以此为基础,由稳态下全原子体系的分布函数确定粗粒化体系的初始势能参数,并进行粗粒化模拟。进一步,将模拟结果与全原子体系进行对比,引入误差对势能参数进行修正,不断再次进行粗粒化模拟,获得多次迭代计算结果。直到粗粒化体系与全原子体系的分布函数误差达到精确度要求,最后获得该体系的粗粒化力场的精确结果。本文采用获得的精确的粗粒化力场,对体系进行外力加载下的动力学模拟,重现全原子体系膜环境中肽链的分布函数与静态结构,并检验力场的可靠性。目前迭代玻尔兹曼反演法主要应用于高分子聚合物材料的粗粒化力场开发,未发现其对于蛋白质结构的粗粒化力场探索,本文是第1次采用该方法进行的粗粒化力场开发,只是针对具体的肽链处在膜环境下的粗粒化力场研究。对于结构更复杂的蛋白质分子仍需具体研究其力场参数,由于蛋白质本身分子量大、结构复杂,所处生物环境更是多样,对生物体系的粗粒化力场的开发仍需要进一步的探索。
- 陈淑文崔玉红吕守芹潘君王天浩
- 关键词：粗粒化肽链
