在世界各地，研究人員使用 MATLAB 和 Simulink 合成遺傳學數據、圖像數據、時序數據、顯微鏡數據及其他數據，以用于生命科學領域的各項任務和應用。查看六個應用實例，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

脊髓灰質炎病毒顆粒。時至今日，脊髓灰質炎疫情在非洲和中亞地區仍時有發生。穩步推進疫苗接種計劃不僅有助于實現群體免疫，還能在病毒傳播過程中持續跟蹤脊髓灰質炎病毒株并實施分類。美國疾控中心研究小組與 MathWorks 顧問聯合開發了一款工具，用于標注和跟蹤脊髓灰質炎病毒株。這款工具綜合了系統發育數據和制圖數據分析，讓研究人員得以研究各種脊髓灰質炎病毒株的進化過程。將此方法與空間傳播分析綜合運用，可以監測脊髓灰質炎擴散情況并妥善規劃免疫運動。更多相關資源：

CDC 自動執行脊髓灰質炎分析 - 用戶案例

利用 RNA-Seq 數據識別差異表達基因 - 方法指南

Bioinformatics Toolbox - 產品概述

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的基因毒性分析是一個極為繁瑣的限速步驟。現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，而且不同臨床醫師的評估結果往往存在差異。最近，Eulenberg 等人展示了如何使用 DeepFlow 顯著加快這一過程。DeepFlow 是一種深度神經網絡，針對流式細胞術分析進行優化，還基于數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。

更多相關資源：

自動執行基因毒性分析 - 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

基于網絡的候選藥物鑒定

掃描電子顯微鏡圖像，顯示 SARS-CoV-2 病毒顆粒（黃色）從實驗室培養的細胞（粉紅色）表面浮出。（圖片所有權：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絡分析。例如，克利夫蘭診所研究小組采用相互作用網絡分析法，探尋靶向 SARS-CoV-2 的可再利用藥物和聯合藥物。他們通過系統發育分析識別靶向序列，確定 SARS-CoV-2 與 SARS-CoV 關系最為密切。然后，他們將相互作用數據用于網絡接近度分析，提出候選藥物和聯合藥物，尋找可能的治療方案。更多相關資源：

現有藥物再利用，靶向治療新冠肺炎 - 博客

Zhou 等人：基于網絡針對新型冠狀病毒 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重要。但是，大多數商業性治療計劃套餐是專利技術且受知識產權保護，因此在開發先進治療計劃技術方面發揮的價值有限。德國癌癥研究中心與慕尼黑大學聯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、模態和能量，還能綜合考慮臨床約束和目標，讓臨床醫師能夠優化輻射強度和劑量分布。

matRad 2.10.0 界面，包括工作流程、計劃、優化和可視化控件。更多相關資源：

開發用于劑量計算和優化的開源工具包 - 文章

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

通過醫學圖像分類來預測療效

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。深度學習廣泛應用于數字病理學，可加快診斷速度并消除人為錯誤。Kather 等人發布了一篇論文，詳細介紹如何利用深度學習處理十億像素級組織學圖像，精準預測微衛星不穩定性，這是預測胃腸道癌療效的一項關鍵指標。研究小組使用遷移學習和 resnet18，基于 Cancer Genome Atlas 數據庫中的胃腸道圖像訓練網絡。更多相關資源：

使用深度學習處理復雜醫學圖像 - 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組織學圖像預測胃腸道癌微衛星不穩定性 - 同行評議論文

FDA 批準的軟件開發

醫療設備和軟件必須穩健運行，同時必須針對每個版本更新測試和文檔，才能獲得監管批準。Medviso 專為臨床應用開發的心臟醫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 影像計算心肌質量和射血分數等健康指標。該軟件能夠執行回歸測試，并能自動生成實現監管合規所需的報告和文檔。

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