郑州大学丨使用机器学习算法预测冷冻生物打印中冷冻保护剂的效果

来源：生物设计与制造

本研究论文聚焦于冷冻生物打印中冷冻保护剂的配方及其性能预测研究。利用机器学习算法，以细胞存活率为指标，预测不同配方的冷冻保护剂的性能。冷冻生物打印将挤出式生物打印与冷冻保存相结合，具有解决传统生物打印缺乏货架可用性问题的巨大潜力。为了保证细胞在冷冻状态下的活性，同时避免二甲基亚砜(DMSO)可能产生的毒性，无DMSO的生物墨水设计是冷冻生物打印的关键。然而，开发通用和高效的生物墨水需要大量的实验。本研究首先通过实验比较了两种常用的冷冻保护剂（CPA）配方。结果表明，乙二醇作为渗透性CPA的效果比甘油的保护性能好6.07%。随后建立了两个数据集和四个不同的机器学习模型来预测实验结果。比较了多元线性回归(MLR)、决策树(DT)、随机森林(RF)和人工神经网络(ANN)算法的预测能力，其顺序为ANN>RF>DT>MLR。然后将所建立的ANN模型应用于另一个数据集。结果表明，使用机器学习算法可以准确预测由不同CPA组成的生物墨水的效果。此外，本研究提出的方法具有泛化性，有望加快用于冷冻生物打印的生物墨水的研究和发展。

点击下载PDF原文：https://link.springer.com/article/10.1007/s42242-023-00244-4

图1 使用机器学习算法预测冷冻保护剂效果的实验原理图

图2 乙二醇和甘油组的细胞存活率的分布。每组包含48个样品，每个样品的乙二醇/甘油和糖的浓度都不同

图3 使用多元线性回归算法的预测结果。(a) 第1天预测和观察到的细胞存活率；(b) 第7天预测和观察到的细胞存活率；(c) 第15天预测和观察到的细胞活力；(d) 各变量在MLR预测模型中的重要性

图4 使用决策树、随机森林和人工神经网络模型的预测结果

图5 机器学习模型的预测误差分布。(a) 不同机器学习模型在数据集1的测试集上的平均绝对误差分布；(b) 人工神经网络在数据集2的测试集上的平均绝对误差分布

引用本文：
Qiao Q, Zhang X, Yan Z, et al., 2023. The use of machine learning to predict the effects of cryoprotective agents on the GelMA-based bioinks used in extrusion cryobioprinting. Bio-des Manuf (Early Access). https://doi.org/10.1007/s42242-023-00244-4