科学济世，工程扶危：MATLAB 六类生命科学数据处理应用示例

作者：Rob Holt，MathWorks公司

在世界各地，研究人员使用 MATLAB® 和 Simulink® 合成遗传学数据、图像数据、时序数据、显微镜数据及其他数据，以用于生命科学领域的各项任务和应用。查看六个应用实例，了解如何将这些工具和方法运用于您的项目。

流行病学传播分析

脊髓灰质炎病毒颗粒

时至今日，脊髓灰质炎疫情在非洲和中亚地区仍时有发生。稳步推进疫苗接种计划不仅有助于实现群体免疫，还能在病毒传播过程中持续跟踪脊髓灰质炎病毒株并实施分类。

美国疾控中心研究小组与 MathWorks 顾问联合开发了一款工具，用于标注和跟踪脊髓灰质炎病毒株。这款工具综合了系统发育数据和制图数据分析，让研究人员得以研究各种脊髓灰质炎病毒株的进化过程。

将此方法与空间传播分析综合运用，可以监测脊髓灰质炎扩散情况并妥善规划免疫运动。

高通量基因毒性分析

在药物安全性测试中，基于高通量成像流式细胞术的基因毒性分析是一个极为繁琐的限速步骤。现行方法通常要求专家逐一查看影像、鉴别细胞损伤。这种方法速度缓慢，而且不同临床医师的评估结果往往存在差异。

最近，Eulenberg 等人展示了如何使用 DeepFlow 显著加快这一过程。DeepFlow 是一种深度神经网络，针对流式细胞术分析进行优化，还基于数千份手动标注的影像进行训练，可以自动对细胞损伤进行分级。

单核细胞与双核细胞。左：明场像；右：核荧光像。

基于网络的候选药物鉴定

扫描电子显微镜图像，显示 SARS-CoV-2 病毒颗粒（黄色）从实验室培养的细胞（粉红色）表面浮出。（图片所有权：NIAID-RML）

很多药物无法通过早期测试。为了获得理想的疗效，一种解决方案是将经证实可供人类安全使用的药物进行再利用。

为了鉴定候选药物，一些研究人员开始探索网络分析。例如，克利夫兰诊所研究小组采用相互作用网络分析法，探寻靶向 SARS-CoV-2 的可再利用药物和联合药物。

他们通过系统发育分析识别靶向序列，确定 SARS-CoV-2 与 SARS-CoV 关系最为密切。然后，他们将相互作用数据用于网络接近度分析，提出候选药物和联合药物，寻找可能的治疗方案。

放疗计划的剂量计算

数十年来，放疗一直是最重要的癌症治疗手段。治疗计划对临床疗效至关重要。但是，大多数商业性治疗计划套餐是专利技术且受知识产权保护，因此在开发先进治疗计划技术方面发挥的价值有限。

德国癌症研究中心与慕尼黑大学联合打造了开源工具包 matRad，它不仅可以用来仿真各种治疗光束几何形状、模态和能量，还能综合考虑临床约束和目标，让临床医师能够优化辐射强度和剂量分布。

matRad 2.10.0 界面，包括工作流程、计划、优化和可视化控件。

通过医学图像分类来预测疗效

肿瘤热图。

手动病理学评估既缓慢又昂贵：例如，为一张完整的病理切片图添加注释可能耗时长达数小时。此外，有时不同的病理学家对某一图像的具体分类看法不一。深度学习广泛应用于数字病理学，可加快诊断速度并消除人为错误。

Kather 等人发布了一篇论文，详细介绍如何利用深度学习处理十亿像素级组织学图像，精准预测微卫星不稳定性，这是预测胃肠道癌疗效的一项关键指标。研究小组使用迁移学习和 resnet18，基于 Cancer Genome Atlas 数据库中的胃肠道图像训练网络。

FDA 批准的软件开发

医疗设备和软件必须稳健运行，同时必须针对每个版本更新测试和文档，才能获得监管批准。

Medviso 专为临床应用开发的心脏医学图像定量分析软件已获 FDA 批准。该软件名为 Segment CMR，使用整个心动周期的时域 X 射线 CT 影像计算心肌质量和射血分数等健康指标。该软件能够执行回归测试，并能自动生成实现监管合规所需的报告和文档。

使用 MR 图像对人体左心室进行三维几何重建。