细胞毒性数据挖掘技术与应用（第二版）

　　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。

暂缺《细胞毒性数据挖掘技术与应用（第二版）》作者简介

目录
前言
第1章　细胞电阻抗传感技术概述　1
1.1　细胞电阻抗传感技术背景　2
1.1.1　细胞电阻抗传感技术简介　2
1.1.2　细胞电阻抗传感技术的意义　5
1.1.3　细胞电阻抗传感技术发展历程　5
1.2　基于细胞电阻抗传感技术的典型仪器　7
1.2.1　ECIS细胞动态分析仪　7
1.2.2　Bionas1500/2500细胞代谢监测仪　10
1.2.3　CellKey细胞介电谱分析系统　11
1.2.4　Cellasys细胞代谢监测仪　12
1.2.5　RTCA实时细胞分析仪　13
1.3　细胞电阻抗传感技术的应用　15
1.3.1　心肌细胞功能检测　15
1.3.2　细胞黏附和伸展　16
1.3.3　细胞共培养　18
1.3.4　细胞迁移和浸润　18
1.3.5　细胞毒性检测　19
1.4　RTCA细胞毒性数据的预处理　21
参考文献　27
第2章　细胞毒性动力学模型参数估计方法　30
2.1　引言　30
2.2　细胞毒性动力学模型描述　31
2.3　算法原理及步骤　32
2.4　算法验证及结果　34
2.5　混合物细胞毒性动力学模型辨识　41
2.6　细胞毒性动力学模型应用　44
2.6.1　化学物质的浓度估计　44
2.6.2　人体细胞的雌性激素分析　47
2.7　本章小结　50
参考文献　50
第3章　基于细胞毒性动态响应曲线的体外细胞毒性评价方法　53
3.1　引言　53
3.2　LC50/GI50算法及步骤　54
3.3　AUC50算法及步骤　60
3.4　KC50算法及步骤　67
3.5　RC预测模型的对比分析　73
3.6　结果与讨论　79
参考文献　82
第4章　基于细胞毒性动态响应曲线的化学物质MoA分类方法　86
4.1　引言　86
4.2　TCRC数据预处理　89
4.3　算法原理及步骤　93
4.3.1　主成分分析　94
4.3.2　函数型数据分析　98
4.3.3　层次聚类算法　104
4.4　算法验证及结果　105
4.5　结果与讨论　108
参考文献　109
第5章　细胞毒性动态响应数据的可靠性分析方法　113
5.1　引言　113
5.2　边缘效应检测与筛选方法　115
5.2.1　问题描述　115
5.2.2　算法原理及步骤　115
5.2.3　算法验证及结果　122
5.3　RTCA实验数据重复性评估方法　135
5.3.1　算法原理及步骤　135
5.3.2　算法验证及结果　139
5.4　RTCA重复性实验数据使用方法　147
5.4.1　问题描述　147
5.4.2　算法原理　149
5.4.3　算法验证及结果　151
5.5　本章小结　155
参考文献　156
第6章　基于细胞毒性动态响应曲线的诱变细胞数目预测模型估计　159
6.1　引言　159
6.2　诱变细胞数目预测模型估计方法　160
6.3　诱变细胞数目预测模型分析　165
6.4　本章小结　166
参考文献　166
附录　168