一种基于svm算法的干细胞活性检测系统技术方案

本发明专利技术提出一种基于svm算法的干细胞活性检测系统，该系统包括有子集生成单元、子集评价单元、停止条件单元、结果验证单元，支持向量机己广泛应用于机器学习各领域，它不仅可以解决分类、模式识别相关问题，还能有效地处理回归、拟合、密度估计等问题。与其他现有的许多机器学习算法相比，SVM不仅具有坚实的理论基础，其研究与应用也更加广泛，SVM是在统计学习理论基础上发展起来的小样本学习算法，以结构风险最小化为目标提高其泛化能力，它在有限样本信息下就可获得问题的最优解。

【技术实现步骤摘要】
一种基于svm算法的干细胞活性检测系统
本专利技术涉及干细胞领域，尤其涉及一种基于svm算法的干细胞活性检测系统。
技术介绍
细胞凋亡是细胞增殖的反面，探讨的是细胞死亡的方式与机制。凋亡一词来源于希腊语。原指花瓣、叶片的脱落。自1972年Kerr首次提出细胞凋亡的概念以来，随着细胞生物学、免疫学和肿瘤学的研究发展，最近几年人们对细胞凋亡的重大理论意义和实际意义有了更深的理解。细胞凋亡是指在一定的生理和病理情况下，机体为维护内环境的稳定，通过基因调控而使细胞自动消亡的过程。不同类型的细胞，在发生凋亡时的动力学过程也不一致，存在着一定的形态学和生物化学的差异，但若干基本变化是大同小异的。其特征为：整个胞体呈浓缩状，有特异性胞浆大泡，胞质、核质深染，核碎裂后被细胞膜包裹而形成凋亡小体。它有别于细胞死亡。在琼脂糖凝胶电泳上显示出特殊的DNA梯状图谱。它的出现主要是由于一种钙-镁依赖性核酸内切酶激活后，裂解染色质核小体之间的连接DNA，将核小体切割成180bp～200bp或其倍数的片段所致。Apo是不可逆的过程，散在分布于组织中，形成的凋亡小体，除核裂解外，外有膜包绕，内有完整的细胞器，凋亡小体在组织中很快被邻近组织细胞吞噬，并在溶酶体中被降解。因此，Apo不引起周围组织炎症及损伤。Apo是机体自己启动，由细胞本身主动控制，由基因指导的细胞自我消亡过程。因此，又称程序性细胞死亡。光镜下，Apo的典型形态学特征是核染色质广泛凝聚，细胞体积缩小，胞质浓缩，有凋亡小体存在，细胞表面特化结构如微绒毛等丢失及细胞表面明显的迂曲。体内细胞凋亡过程发展非常迅速，细胞常在数小时内完成Apo并降解，凋亡细胞仅出现数分钟就消失，故不适宜应用形态学方法(普通光学显微镜检测法、荧光显微镜检测法、凋亡小体的电镜观察及凋亡指数和细胞活力的定量测定)来检测。在生物化学方面，利用电泳技术证明核体断片的“DNA梯状图谱”作为检测群体细胞发生凋亡的一个指标。经过人们多年的研究发现，应用原位末端转移酶标记技术(TDTassayorTUNELreaction)来检测细胞凋亡，其灵敏度高，特异性强，能早期显示未发生典型变化的凋亡细胞。它是检测单个细胞早期出现凋亡现象的好方法。近几年，人们又发现了能更快、更敏感、检测细胞数量更多的并能从更多方面证明凋亡和坏死的流式细胞分析术(flowcytometry，FCM包括亚“G1”峰检测法和末端转移酶标记技术)等。细胞凋亡的发生是由于钙-镁依赖性核酸酶进入核小体间切割DNA,产生180bp～200bp或其倍数的核小体片段。而核小体由于与组蛋白H2A、H2B、H3和H4形成紧密复合物而不被核酸内切酶切割。采用双抗体夹心酶免疫法，应用小鼠抗DNA和抗组蛋白的单克隆抗体，与核小体片段形成夹心结构，可特异性检测细胞溶解物中的核小体片段。材料与试剂1.采用BoehringerMannheim公司试剂盒，生物标记的小鼠抗组蛋白单克隆抗体。2.过氧化物酶(-POD)标记的小鼠抗DNA单克隆抗体3.链霉亲合素包被的微孔板4.DNA－组蛋白复合物，作为阴性对照。5.ABTS底物6.溶解缓冲液7.温育缓冲液8.底物缓冲液。样品1.培养细胞或离体细胞的裂解物细胞裂解步骤：收集细胞，离心后，用200μl溶细胞缓冲液重新悬浮，室温下作用30min。2.培养细胞的上清液3.血浆(血清)。操作方法：1.取样品离心后(1000r/min,10min),吸取20μl上清液，加入链霉亲合素包被的培养板孔中。2.另加入80μl免疫反应试剂含抗－DNA－POD、抗组蛋白－生物素及温育缓冲液(按1∶1∶18混合)，室温下孵育2h(置摇床上，250r/min)。3.取上清，用300μl温育缓冲液洗涤3次，小心移去洗涤液。4.加入100μl底物缓冲液，室温下孵育使颜色变化至适合(置摇床上)。5.尽快作比色分析(10min～20min内)，用底物缓冲液作空白对照，以波长405nm，参考波长492nm进行检测。结果判定按下列公式计算细胞释放的单/低聚核小体片段的特别聚集值：注：mU＝吸收值(10-3)＝双孔吸收值的平均OD值－底物OD值，若样品的吸收值超过比色测定范围，应适当稀释后再检测。原理凋亡细胞是由于内源性核酸内切酶的激活后，将DNA切割成许多双链DNA片段以及高分子量DNA单链断裂点(缺口)，暴露出大量3-羟基末端，如用末端脱氧核苷酸转移酶(TdT)将标记的dUTP进行缺口末端标记，则可原位特异地显示出凋亡细胞。主要应用的是荧光标记法和酶标记法。(二)荧光标记法1.材料与试剂采用德国Boehringer-Mannheim公司InSituCellDeathDetection试剂盒，或美国Oncor公司ApopTagTM试剂盒，包括：⑴生物素标记的-Dutp(Biotin-dUTP)或地高辛标记的-dUTP(Digoxingeningll-dUTP)1nmol/μl⑵TdT酶(25U/μl)⑶反应缓冲液⑷洗涤缓冲液⑸异硫氰酸荧光素(FITC)标记的亲合素或链霉亲合素(2.5μg/ml)或抗地高辛抗体(1∶30)⑹PI染液(含PI5μg/ml及无DNA酶活性的RNA酶0.1％)⑺PBS缓冲液⑻塑料盖玻片2.样品⑴悬浮生长培养细胞的甩片或涂片⑵贴壁生长的培养细胞⑶冰冻切片⑷常规石蜡切片。操作方法(1)固定：培养细胞的制片或冰冻切片用4％多聚甲醛固定30min(4℃)后，用80％酒精再固定2h(-20℃)。常规4％中性福尔马林固定、石蜡包埋之切片进行脱蜡、水化。(2)洗涤：玻片浸入PBS缓冲液，摇床上洗涤5min,三次。(3)反应：洗涤后的玻片用吸水纸吸干细胞或组织周围水分，按50μl/㎝2滴加反应液(每50μl反应液含TdT酶0.5μl,标记的-dUTP1μl),使反应液均匀地覆盖于所有细胞或组织切片上,盖上塑料盖玻片,置湿盒中,37℃孵育1h。(4)终止反应：去掉塑料盖玻片，将玻片置盛有洗涤缓冲液的染色缸内，洗涤两次，每次5min。(5)FITC标记：洗涤后的玻片用吸水纸吸去细胞或组织周围水分，按50μl/㎝2滴加FITC反应液(含FITC2.5μg/ml)，室温下避光孵育10min。(6)洗涤：将玻片置于洗涤缓冲液内，洗两次，每次5min。(7)PI复染：将玻片置于盛有PI染液的染色缸内，室温下避光染色30min。(8)封片：用盖玻片直接盖在含PI染液的玻片上，亦可用无色指甲油涂于盖玻片四周边缘，置暗盒中，尽早镜检观察。4.结果判定：用荧光显微镜观察，选用蓝色激发光(波长488nm)，所有的细胞核均被PI着色，显示出红色荧光，而凋亡细胞被特异地标记上FITC，显示出黄绿色荧光。(三)酶标记法1.材料与试剂采用美国Oncor公司ApopTagTM-Peroxidase试剂盒，包括：⑴过氧化物酶标记的抗地高辛抗体⑵反应缓冲液⑶TdT酶⑷反应终止/洗涤液⑸平衡缓冲液⑹蛋白酶K消化液：20μg/ml蛋白酶K溶于PBS。⑺30％H2O2⑻DAB显色液：0.05％的diaminobenzidine(DAB)溶于PBS，用前过滤并加入0.02％H2O2。⑼甲基绿染液：0.5％甲基绿溶于0.1Mol/L枸橼酸钠，pH调整到4.0。⑽塑料盖玻片及玻璃盖玻片。样品本文档来自技高网...

【技术保护点】
一种基于svm算法的干细胞活性检测系统，其特征在于，该系统包括有子集生成单元、子集评价单元、停止条件单元、结果验证单元；子集生成单元实质上是一个搜索的过程，从搜索点出发，在一定的范围内适当地添加或者移除不同特征以产生新的子集，提供给评价函数，不同的搜索方法意味着不一样的搜索效率和不一样的选择结果；子集评价单元根据特定的评估准则来判断每个子集的优良程度，不同的评价标准可能导致不一样的最优子集，在特征选择过程中，每进行一次新的子集评价，都要将新的评价值和之前的最优评价值进行比较，再选出当前评价值最优的子集；停止条件单元是指特征选择算法满足一定条件下停止搜索，否则子集搜索过程一直持续，常用的停止准则有三种：a)达到了用户事先设定的最大迭代次数或指定特征数；b)特征子集数目的增加或减少都不能获得更好的评价指标；c)已经找到当前评价函数或用户需求的最优子集；结果验证单元是验证所选特征子集的有效性，最直接的验证方法就是分别对原始数据集和经过特征选择后得到的数据集进行训练、预测，然后比较前后两种训练模型的复杂度和预测精度。

【技术特征摘要】
1.一种基于svm算法的干细胞活性检测系统，其特征在于，该系统包括有子集生成单元、子集评价单元、停止条件单元、结果验证单元；子集生成单元实质上是一个搜索的过程，从搜索点出发，在一定的范围内适当地添加或者移除不同特征以产生新的子集，提供给评价函数，不同的搜索方法意味着不一样的搜索效率和不一样的选择结果；子集评价单元根据特定的评估准则来判断每个子集的优良程度，不同的评价标准可能导致不一样的最优子集，在特征选择过程中，每进行一次新的子集评价，都要将新的评价值和之前的最优评价值进行比较，再选出当前评价值最优的子集；停止条件单元是指特征选择算法满足一定条件下停止搜索，否则子集搜索过程一直持续，常用的停止准则有三种：a)达到了用户事先设定的最大迭代次数或指定特征数；b)特征子集数目的增加或减少都不能获得更好的评价指标；c)已经找到当前评价函数或用户需求的最优子集；结果验证单元是验证所选特征子集的有效性，最直接的验证方法就是分别对原始数据集和经过特征选择后得到的数据集进行训练、预测，然后比较前后两种训练模型的复杂度和预测精度。2.根据权利要求1所述的一种基于svm算法的干细胞活性检测系统，其特征在于，在模式识别领域，支持向量机最初是在研究线性可分问题中提出的，对于大小为Z的数据集{(xi，yi),i＝1,2,….,l},xi是d是d维输入向量Y的样本标签为{一1，1}，如果存在最优分类面y＝W.x+6能将样本正确分成两类，则定义d维特征空间中的线性判别函数为，(x)＝W.x+b，此时任意样本x.到最优分类面的距离为εi＝yi(w·xi+b)＝|w·xi+b|。3.根据权利要求1所述的一种基于svm算法的干细胞活性检测系统，其特征在于，类间隔(Margin)就是剧与加之间的距离，并使两类样本都满足：Fxi≥1，，再将归一化后得到不同类之间的距离(几何间隔)因为样本的误分次数N与分类间隔万存在着如下关系N≤2Rδ2所以我们以最大化分类间隔为目标，换取最小的误差上界，而最大化分类间：2||w||就是最小化||w||就是最小化||w||,因此满足约束条件下的目标函数为；即该问题最终用二次规划求得其中，xi和xj为两个类别中任意一对支持向量，决策函数为：其中，X是待测试的样本。4.根据权利要求1所述的一种基于svm算法的干细胞活性检测系统，其特征在于，支持向量机利用一...

【专利技术属性】
技术研发人员：李刚，张玥，
申请(专利权)人：李刚，
类型：发明
国别省市：上海,31