在世界各地，研究人員使用 MATLAB 和 Simulink 合成遺傳學數(shù)據(jù)、圖像數(shù)據(jù)、時序數(shù)據(jù)、顯微鏡數(shù)據(jù)及其他數(shù)據(jù)，以用于生命科學領(lǐng)域的各項任務(wù)和應(yīng)用。查看六個應(yīng)用實例，了解如何將這些工具和方法運用于您的項目。

流行病學傳播分析

脊髓灰質(zhì)炎病毒顆粒。時至今日，脊髓灰質(zhì)炎疫情在非洲和中亞地區(qū)仍時有發(fā)生。穩(wěn)步推進疫苗接種計劃不僅有助于實現(xiàn)群體免疫，還能在病毒傳播過程中持續(xù)跟蹤脊髓灰質(zhì)炎病毒株并實施分類。美國疾控中心研究小組與 MathWorks 顧問聯(lián)合開發(fā)了一款工具，用于標注和跟蹤脊髓灰質(zhì)炎病毒株。這款工具綜合了系統(tǒng)發(fā)育數(shù)據(jù)和制圖數(shù)據(jù)分析，讓研究人員得以研究各種脊髓灰質(zhì)炎病毒株的進化過程。將此方法與空間傳播分析綜合運用，可以監(jiān)測脊髓灰質(zhì)炎擴散情況并妥善規(guī)劃免疫運動。更多相關(guān)資源：

CDC 自動執(zhí)行脊髓灰質(zhì)炎分析 - 用戶案例

利用 RNA-Seq 數(shù)據(jù)識別差異表達基因 - 方法指南

Bioinformatics Toolbox - 產(chǎn)品概述

高通量基因毒性分析

在藥物安全性測試中，基于高通量成像流式細胞術(shù)的基因毒性分析是一個極為繁瑣的限速步驟?，F(xiàn)行方法通常要求專家逐一查看影像、鑒別細胞損傷。這種方法速度緩慢，而且不同臨床醫(yī)師的評估結(jié)果往往存在差異。最近，Eulenberg 等人展示了如何使用 DeepFlow 顯著加快這一過程。DeepFlow 是一種深度神經(jīng)網(wǎng)絡(luò)，針對流式細胞術(shù)分析進行優(yōu)化，還基于數(shù)千份手動標注的影像進行訓練，可以自動對細胞損傷進行分級。

單核細胞與雙核細胞。左：明場像；右：核熒光像。

更多相關(guān)資源：

自動執(zhí)行基因毒性分析 - 文章

Eulenberg 等人：使用深度學習重建細胞周期和病程進展 - 同行評議論文

基于網(wǎng)絡(luò)的候選藥物鑒定

掃描電子顯微鏡圖像，顯示 SARS-CoV-2 病毒顆粒（黃色）從實驗室培養(yǎng)的細胞（粉紅色）表面浮出。（圖片所有權(quán)：NIAID-RML）

很多藥物無法通過早期測試。為了獲得理想的療效，一種解決方案是將經(jīng)證實可供人類安全使用的藥物進行再利用。為了鑒定候選藥物，一些研究人員開始探索網(wǎng)絡(luò)分析。例如，克利夫蘭診所研究小組采用相互作用網(wǎng)絡(luò)分析法，探尋靶向 SARS-CoV-2 的可再利用藥物和聯(lián)合藥物。他們通過系統(tǒng)發(fā)育分析識別靶向序列，確定 SARS-CoV-2 與 SARS-CoV 關(guān)系最為密切。然后，他們將相互作用數(shù)據(jù)用于網(wǎng)絡(luò)接近度分析，提出候選藥物和聯(lián)合藥物，尋找可能的治療方案。更多相關(guān)資源：

現(xiàn)有藥物再利用，靶向治療新冠肺炎 - 博客

Zhou 等人：基于網(wǎng)絡(luò)針對新型冠狀病毒 2019-nCoV/SARS-CoV-2 進行藥物再利用 - 同行評議論文

放療計劃的劑量計算

數(shù)十年來，放療一直是最重要的癌癥治療手段。治療計劃對臨床療效至關(guān)重要。但是，大多數(shù)商業(yè)性治療計劃套餐是專利技術(shù)且受知識產(chǎn)權(quán)保護，因此在開發(fā)先進治療計劃技術(shù)方面發(fā)揮的價值有限。德國癌癥研究中心與慕尼黑大學聯(lián)合打造了開源工具包 matRad，它不僅可以用來仿真各種治療光束幾何形狀、模態(tài)和能量，還能綜合考慮臨床約束和目標，讓臨床醫(yī)師能夠優(yōu)化輻射強度和劑量分布。

matRad 2.10.0 界面，包括工作流程、計劃、優(yōu)化和可視化控件。更多相關(guān)資源：

開發(fā)用于劑量計算和優(yōu)化的開源工具包 - 文章

Wieser 等人：開發(fā)用于劑量計算和優(yōu)化的開源工具包 matRad - 同行評議論文

通過醫(yī)學圖像分類來預(yù)測療效

腫瘤熱圖。 手動病理學評估既緩慢又昂貴：例如，為一張完整的病理切片圖添加注釋可能耗時長達數(shù)小時。此外，有時不同的病理學家對某一圖像的具體分類看法不一。深度學習廣泛應(yīng)用于數(shù)字病理學，可加快診斷速度并消除人為錯誤。Kather 等人發(fā)布了一篇論文，詳細介紹如何利用深度學習處理十億像素級組織學圖像，精準預(yù)測微衛(wèi)星不穩(wěn)定性，這是預(yù)測胃腸道癌療效的一項關(guān)鍵指標。研究小組使用遷移學習和 resnet18，基于 Cancer Genome Atlas 數(shù)據(jù)庫中的胃腸道圖像訓練網(wǎng)絡(luò)。更多相關(guān)資源：

使用深度學習處理復(fù)雜醫(yī)學圖像 - 博客

大型多分辨率圖像的深度學習分類 - 方法指南

Kather 等人：深度學習可以直接根據(jù)組織學圖像預(yù)測胃腸道癌微衛(wèi)星不穩(wěn)定性 - 同行評議論文

FDA 批準的軟件開發(fā)

醫(yī)療設(shè)備和軟件必須穩(wěn)健運行，同時必須針對每個版本更新測試和文檔，才能獲得監(jiān)管批準。Medviso 專為臨床應(yīng)用開發(fā)的心臟醫(yī)學圖像定量分析軟件已獲 FDA 批準。該軟件名為 Segment CMR，使用整個心動周期的時域 X 射線 CT 影像計算心肌質(zhì)量和射血分數(shù)等健康指標。該軟件能夠執(zhí)行回歸測試，并能自動生成實現(xiàn)監(jiān)管合規(guī)所需的報告和文檔。

使用 MR 圖像對人體左心室進行三維幾何重建。

更多相關(guān)資源：

Medviso 心血管分析軟件獲得 FDA 510（k） 批準和 CE 標志 - 用戶案例

借助 MATLAB 進行 FDA 軟件確認 - 方法指南

編輯：jq