ترجمه فارسی مقاله مسائل مربوط به شکل: استنباط تحرک سلول های همگرا از تصاویر استاتیک

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Shape matters: Inferring the motility of confluent cells from static images
عنوان مقاله به فارسی مسائل مربوط به شکل: استنباط تحرک سلول های همگرا از تصاویر استاتیک
نویسندگان Quirine J. S. Braat, Giulia Janzen, Bas C. Jansen, Vincent E. Debets, Simone Ciarella, Liesbeth M. C. Janssen
فرمت مقاله انگلیسی PDF
تعداد صفحات 11
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Biological Physics,فیزیک بیولوژیکی ,
توضیحات Submitted 29 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده 29 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Cell motility in dense cell collectives is pivotal in various diseases like cancer metastasis and asthma. A central aspect in these phenomena is the heterogeneity in cell motility, but identifying the motility of individual cells is challenging. Previous work has established the importance of the average cell shape in predicting cell dynamics. Here, we aim to identify the importance of individual cell shape features, rather than collective features, to distinguish between high-motility (active) and low-motility (passive) cells in heterogeneous cell layers. Employing the Cellular Potts Model, we generate simulation snapshots and extract static features as inputs for a simple machine-learning model. Our results show that when the passive cells are non-motile, this machine-learning model can accurately predict whether a cell is passive or active using only single-cell shape features. Furthermore, we explore scenarios where passive cells also exhibit some degree of motility, albeit less than active cells. In such cases, our findings indicate that a neural network trained on shape features can accurately classify cell motility, particularly when the number of active cells is low, and the motility of active cells is significantly higher compared to passive cells. This work offers potential for physics-inspired predictions of single-cell properties with implications for inferring cell dynamics from static histological images.

چکیده به فارسی (ترجمه ماشینی)

تحرک سلولی در جمع آوری سلول های متراکم در بیماری های مختلف مانند متاستاز سرطان و آسم محوری است.یک جنبه اصلی در این پدیده ها ناهمگونی در تحرک سلولی است ، اما شناسایی تحرک سلولهای فردی چالش برانگیز است.کار قبلی اهمیت شکل سلول متوسط ​​را در پیش بینی پویایی سلول ایجاد کرده است.در اینجا ، ما هدف ما شناسایی اهمیت ویژگی های شکل سلول فردی ، به جای ویژگی های جمعی ، برای تمایز بین سلولهای با انگیزه بالا (فعال) و کم تحرک (منفعل) در لایه های سلول ناهمگن است.با استفاده از مدل Potts سلولی ، عکس های شبیه سازی را تولید می کنیم و ویژگی های استاتیک را به عنوان ورودی برای یک مدل یادگیری ماشین ساده استخراج می کنیم.نتایج ما نشان می دهد که وقتی سلولهای منفعل غیر MOTILE هستند ، این مدل یادگیری ماشین می تواند به طور دقیق پیش بینی کند که آیا یک سلول با استفاده از تنها ویژگی های شکل تک سلولی منفعل است یا فعال است.علاوه بر این ، ما سناریوهایی را کشف می کنیم که سلولهای منفعل نیز دارای درجه ای از تحرک هستند ، البته کمتر از سلولهای فعال.در چنین مواردی ، یافته های ما نشان می دهد که یک شبکه عصبی که بر روی ویژگی های شکل آموزش داده می شود می تواند به طور دقیق تحرک سلولی را طبقه بندی کند ، به ویژه هنگامی که تعداد سلولهای فعال کم باشد ، و تحرک سلولهای فعال در مقایسه با سلولهای منفعل به طور قابل توجهی بیشتر است.این کار پتانسیل برای پیش بینی های الهام گرفته از فیزیک از خصوصیات تک سلولی با پیامدهای برای استنباط پویایی سلول از تصاویر بافت شناسی استاتیک را ارائه می دهد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.