Estimación de las etapas de la esperanza de vida de Caenorhabditis elegans utilizando una red de doble vía que combina biomarcadores y cambios fisiológicos
Autores: Song, Yao; Liu, Jun; Yin, Yanhao; Tang, Jinshan
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Estimación de las etapas de la esperanza de vida de Caenorhabditis elegans utilizando una red de doble vía que combina biomarcadores y cambios fisiológicos
Categoría
Ingeniería y Tecnología
Subcategoría
Bioingeniería
Palabras clave
Envejecimiento individual
Caenorhabditis elegans
Etapas de la vida
Biomarcadores
Cambios fisiológicos
Método de clasificación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 29
Citaciones: Sin citaciones
Evaluando el envejecimiento individual siempre ha sido un tema importante en la investigación sobre el envejecimiento. Caenorhabditis elegans tiene una vida corta y es un organismo modelo popular ampliamente utilizado en la investigación sobre el envejecimiento. Estudiar las diferencias en las etapas de la vida es de gran importancia para la salud humana y el envejecimiento. Con el fin de estudiar las diferencias en las etapas de la vida útil, la clasificación de las etapas de vida es la primera tarea a realizar. En el pasado, los biomarcadores y los cambios fisiológicos capturados con imágenes eran comúnmente utilizados para evaluar el envejecimiento en individuos isogénicos. Sin embargo, toda la investigación actual se ha centrado solo en cambios fisiológicos o biomarcadores para la evaluación del envejecimiento, lo que afecta la precisión de la evaluación. En este documento, combinamos dos tipos de características para la evaluación de las etapas de vida útil para mejorar la precisión de la evaluación. Para fusionar los dos tipos de características, se propone una red de alta eficiencia mejorada (Att-EfficientNet). En el nuevo EfficientNet, se introducen mecanismos de atención para que la precisión pueda ser mejorada aún más. Además, en contraste con la investigación anterior, que dividía la vida útil en tres etapas, dividimos la vida útil en seis etapas. Comparamos el método de clasificación con otros métodos basados en CNN, así como con otros métodos clásicos de aprendizaje automático. Los resultados indican que el método de clasificación tiene una tasa de precisión más alta (72%) que otros métodos basados en CNN y algunos métodos de aprendizaje automático.
Descripción
Evaluando el envejecimiento individual siempre ha sido un tema importante en la investigación sobre el envejecimiento. Caenorhabditis elegans tiene una vida corta y es un organismo modelo popular ampliamente utilizado en la investigación sobre el envejecimiento. Estudiar las diferencias en las etapas de la vida es de gran importancia para la salud humana y el envejecimiento. Con el fin de estudiar las diferencias en las etapas de la vida útil, la clasificación de las etapas de vida es la primera tarea a realizar. En el pasado, los biomarcadores y los cambios fisiológicos capturados con imágenes eran comúnmente utilizados para evaluar el envejecimiento en individuos isogénicos. Sin embargo, toda la investigación actual se ha centrado solo en cambios fisiológicos o biomarcadores para la evaluación del envejecimiento, lo que afecta la precisión de la evaluación. En este documento, combinamos dos tipos de características para la evaluación de las etapas de vida útil para mejorar la precisión de la evaluación. Para fusionar los dos tipos de características, se propone una red de alta eficiencia mejorada (Att-EfficientNet). En el nuevo EfficientNet, se introducen mecanismos de atención para que la precisión pueda ser mejorada aún más. Además, en contraste con la investigación anterior, que dividía la vida útil en tres etapas, dividimos la vida útil en seis etapas. Comparamos el método de clasificación con otros métodos basados en CNN, así como con otros métodos clásicos de aprendizaje automático. Los resultados indican que el método de clasificación tiene una tasa de precisión más alta (72%) que otros métodos basados en CNN y algunos métodos de aprendizaje automático.