一种基于细胞迁移持续性联合参数的细胞亚型分类方法

本发明涉及生物学、物理学、统计学、信息论等，具体涉及一种基于细胞迁移持续性联合参数的细胞亚型分类方法。

背景技术：

1、细胞迁移对组织、器官正常发育，以及许多生理、病理过程至关重要，例如免疫反应、伤口愈合、血管形成及癌症转移。通常可以使用持续时间和迁移速度共同量化细胞的迁移能力，并且目前已经存在多种分析方法可供研究人员使用。

2、一个细胞群中包括包括一个或多个亚型细胞，本领域通常需要对建立细胞的动力模型，通过动力模型来分析细胞的迁移能力，再根据细胞的迁移能力确定细胞所属亚型。例如通过拟合均方位移可以导出以上两个参数，基于贝叶斯推论的方法可以揭示持续性的时变特征，基于小波变换的方法也可以探究持续性的转变特征。然而，目前存在的分析方法仍然具有三个主要问题：一是依赖于所假设的动力学模型；二是涉及复杂的计算和推论；三是容易受到细胞迁移速度和时间关联性的影响。因此，发展一个简单、高效、且与模型无关的分析方法对细胞动力学研究十分重要。

技术实现思路

1、为了判断一个细胞群中存在的细胞亚型种类数，本发明提出一种基于细胞迁移持续性联合参数的细胞亚型分类方法，具体包括以下步骤：

2、获取一个细胞群中一个细胞迁移的二维轨迹坐标ri，计算细胞的迁移速度vi，并基于迁移速度计算其迁移角位移θi；

3、根据获取的迁移角位移θi，确定采样间隔数τ和分组数n，绘制基于角位移的统计直方图，并形成概率密度分布图；

4、将概率密度分布图中的概率值代入到香农熵表达式中，计算得到随间隔数τ变化的角位移分布熵；

5、确定细胞的初始角位移分布熵以及根据细胞角位移分布熵计算稳定时间，利用初始角位移分布熵和稳定时间共同构成细胞联合参数；

6、获取同一细胞群中所有细胞的联合参数，并根据联合参数绘制二维核密度图，继而根据二维核密度图中的数值分布情况获取该细胞群中存在的细胞亚型数量。

7、进一步的，计算细胞的迁移速度vi＝(vx,i,vy,i)的过程包括：

8、vx,i＝(xi-xi-1)/δt

9、vy,i＝(yi-yi-1)/δt

10、其中，δt为取样时间，xi和yi分别表示细胞二维轨迹上第i个采样点的横坐标和纵坐标，xi-1和yi-1分别表示细胞二维轨迹上第i-1个采样点的横坐标和纵坐标，vx,i和vy,i分别表示基于第i-1和第i个采样点计算得到细胞在横坐标和纵坐标方向上的速度分量。

11、进一步的，基于迁移速度计算迁移角位移θi时，先根据迁移速度计算角位移θi的绝对值，计算过程包括：

12、

13、其中，|θi|为基于迁移速度计算迁移角位移θi的绝对值，cos-1(·)表示反余弦函数，vi表示细胞在第i个采样点的细胞速度矢量，|vi|表示细胞在第i个采样点细胞速度矢量的模长。

14、进一步的，角位移θi的计算包括：

15、任意选定一个与细胞在第i-1个采样点的细胞速度矢量vi-1垂直的方向矢量；

16、计算细胞在第i个采样点的细胞速度矢量vi与方向矢量的点积；

17、若点积的结果大于0则θi＝|θi|，否则θi＝-|θi|。

18、进一步的，细胞的概率密度分布图获取过程包括：确定在给定采样间隔数和分组数时迁移角位移的统计直方图，并通过归一化获得角位移的二维概率密度分布。

19、进一步的，细胞的角位移分布熵(entropy of angular distribution,ead)计算过程包括：

20、

21、其中，ead[p(δθ)]表示组距为δθ时的概率分布p(δθ)对应的角位移分布熵，组距δθ表示为pj(δθ)表示第j个分组的概率。

22、进一步的，根据细胞角位移分布熵计算稳定时间，即获取当角位移分布熵的取值达到设定阈值对应的采样点序号，将该序号与采样间隔的乘积作为稳定时间。

23、进一步的，根据细胞角位移分布熵，获取当采样点序号为1时的熵值，将该值作为初始角位移分布熵。

24、进一步的，利用初始角位移分布熵和稳定时间共同构成细胞联合参数，通过绘制二维核密度图判定图中的数值分布情况，并获取该细胞群中存在的细胞亚型数量。

25、进一步的，将细胞的角位移分布熵作为动力学指标，即若角位移分布熵越趋近0则细胞运动越接近纯弹道运动，角位移分布熵越趋近1则细胞运动越接近布朗运动。

26、与现有技术相比，本发明具有以下有益效果:

27、(1)本发明联合细胞转向动力学及香农熵思想发展了角位移分布熵ead方法，与现有其它技术(例如贝叶斯推论、小波变换、最小二乘法拟合等)相比，首先，本发明不涉及复杂的计算及推导，可以快速输出计算结果；其次，由于迁移角位移不依赖于预先假设的动力学模型，因而避免了所用动力学模型不能描述实际细胞运动的问题；最后，基于该发明获得的结果不依赖于细胞速度和时间关联性，因此具有较强的无偏特性和稳健性。

28、(2)本发明提出的角位移分布熵ead对应热力学中的吉布斯熵，角位移分布熵可以量化细胞迁移的方向持续性，进而表征迁移运动的有序或无序程度，例如熵值为1对应纯布朗运动，为0对应纯弹道运动，因此可以使用该方法直观地评估任一细胞运动与布朗运动或弹道运动之间的相似性。通过该发明不仅可以评估细胞迁移模式的特点(例如随时间变化的持续性)，而且可以进一步判断细胞种群中迁移模式的分布和演化，因此可以为研究集体细胞迁移(例如癌细胞侵袭及转移)提供重要指导。

技术特征：

1.一种基于细胞迁移持续性联合参数的细胞亚型分类方法，其特征在于，具体包括以下步骤：

2.根据权利要求1所述的一种基于细胞迁移持续性联合参数的细胞亚型分类方法，其特征在于，计算细胞的迁移速度vi＝(vx,i,vy,i)的过程包括：

3.根据权利要求2所述的一种基于细胞迁移持续性联合参数的细胞亚型分类方法，其特征在于，基于迁移速度计算迁移角位移θi时，先根据迁移速度计算角位移θi的绝对值，计算过程包括：

4.根据权利要求3所述的一种基于细胞迁移持续性联合参数的细胞亚型分类方法，其特征在于，角位移θi的计算包括：

5.根据权利要求1所述的一种基于细胞迁移持续性联合参数的细胞亚型分类方法，其特征在于，细胞的概率密度分布图获取过程包括：确定在给定采样间隔数和分组数时迁移角位移的统计直方图，并通过归一化获得角位移的二维概率密度分布。

6.根据权利要求5所述的一种基于细胞迁移持续性联合参数的细胞亚型分类方法，其特征在于，细胞的角位移分布熵计算过程包括：

7.根据权利要求1所述的一种基于细胞迁移持续性联合参数的细胞亚型分类方法，其特征在于，根据细胞角位移分布熵计算稳定时间，即获取当角位移分布熵的取值达到设定阈值对应的采样间隔数，将该采样间隔数与采样间隔的乘积作为稳定时间。

8.根据权利要求1所述的一种基于细胞迁移持续性联合参数的细胞亚型分类方法，其特征在于，根据细胞角位移分布熵，获取当采样点序号为1时的熵值，将该值作为初始角位移分布熵。

9.根据权利要求1所述的一种基于细胞迁移持续性联合参数的细胞亚型分类方法，其特征在于，利用初始角位移分布熵和稳定时间共同构成细胞联合参数，通过绘制二维核密度图判定图中的数值分布情况，并获取该细胞群中存在的细胞亚型数量。

10.根据权利要求1所述的一种基于细胞迁移持续性联合参数的细胞亚型分类方法，其特征在于，将细胞的角位移分布熵作为动力学指标，即若角位移分布熵越趋近0则细胞运动越接近纯弹道运动，角位移分布熵越趋近1则细胞运动越接近布朗运动。

技术总结
本发明涉及生物学等技术领域，具体涉及一种基于细胞迁移持续性联合参数的细胞亚型分类方法，包括计算细胞的迁移速度，并基于迁移速度计算其迁移角位移；确定采样间隔数和分组数，绘制基于角位移的统计直方图，并形成概率密度分布图；基于概率密度分布图计算得到随间隔数变化的角位移分布熵；确定细胞的初始角位移分布熵以及根据细胞角位移分布熵计算稳定时间，利用初始角位移分布熵和稳定时间构成细胞联合参数；获取同一细胞群中所有细胞的联合参数，并根据联合参数绘制二维核密度图，继而根据二维核密度图中的数值分布情况获取该细胞群中存在的细胞亚型数量；本发明方法具有简单、精确、快速的特点，可以为种群细胞动力学定量分析提供技术支撑。

技术研发人员：刘艳平,贺中华,王岫鑫,李章勇,王伟
受保护的技术使用者：重庆邮电大学
技术研发日：
技术公布日：2024/1/25