论文部分内容阅读
高活力的细胞可借助细胞移植技术移植到脊髓损伤(Spinal Cord Injury,SCI)部位,达到修复脊髓的目的。骨髓间充质干细胞(Bone Marrow Mesenchymal Stem Cells,BMSCs)移植治疗SCI是一种有效的治疗方法。研究表明,低强度脉冲超声波(Low-intensity Pulsed Ultrasound,LIPUS)能够提高细胞活力。但是,目前对于如何得到可增强BMSCs活力的最优LIPUS的参数组合尚未有详细的报道。本实验中,BMSCs被分成两组:对照组和LIPUS激励组。将LIPUS参数分别设置如下:频率(0.6MHz、0.8MHz、1 MHz和 1.2MHz),电压(5 V、6V、7 V和 8 V)和激励时长(3 min、6 min和9 min)。实验中对LIPUS参数设置为以上离散值,而最佳LIPUS激励参数组合值有可能在其内,因此本课题利用误差反向传播(error Back Propagation,BP)算法达到预测最佳的LIPUS激励参数组合的目的,以进一步提高BMSCs活性。BP算法是一种有效的神经网络学习算法,它的非线性问题处理能力在预测领域中被广泛应用。通过遗传算法(Genetic Algorithm,GA)的优化,BP神经网络能够克服自身收敛速度慢、易陷入局部极值等缺陷,可输出较为理想的最佳参数组合值。据本课题实验数据可知,未经神经网络优化的LIPUS激励组中,BMSCs活性经LIPUS激励后提高了 19.57%(P<0.01);经神经网络优化的LIPUS激励组中,BMSCs活性提高了 24.93%(P<0.01);即应用神经网络最终可使BMSCs活力提高5.36%。由此可知,BP神经网络能够预测出提高BMSCs活力的最佳LIPUS参数组合值。验证实验同时表明,BP算法预测出的最佳参数组合符合医学实验结果。本实验建立了脊髓损伤大鼠模型,并对其进行了 BMSCs移植手术治疗。根据运动功能评分(Basso-Beattle-Bresnaha,BBB)和病理组织学分析,Wistar大鼠脊髓恢复状况良好,可见BMSCs移植有助于SCI的修复。