- 2 次围观
器官芯片（OoC）系统正越来越多地用于药物发现和临床前开发，以生成与人类相关的证据；然而，生物学变异、器件间变异以及技术检测噪声之间的相互作用，可能限制对结果的解释。在此，我们描述了 UstarFlowAI 屏障置信度框架，这是一种计算机模拟的检测就绪性方法，用于量化在给定不确定性条件下，预先定义的与通透性相关的效应是否能够被分辨。该方法拟用于层流、低雷诺数气道上皮单层屏障器官芯片检测的决策支持；在此类检测中，器件制造、泵性能、流量、壁面剪切应力以及生物学波动均可能影响与通透性相关的读数。蒙特卡洛模拟传播预先定义的制造、生物学、系统性及孔级不确定性，并根据预先设定的决策规则估算最小可检测变化量（MDS）。在当前的概念验证设计中，参考工作流程的技术变异系数（CV）设定为 9.4%，而标准化工作流程的 CV 设定为 5.0%，对应于模型化技术噪声成分约降低 46.8%。在每组 n = 48 个重复孔且名义总检测噪声工作点为 17% CV 的条件下，预先定义的 10% 通透性变化在最佳情景和最差情景中均超过了标准化工作流程的 MDS 不确定性上界；相比之下，该变化与参考工作流程的 95% MDS 区间重叠，因此未达到预先设定的 PASS 判据。这些发现展示了在所述假设条件下计算框架的运行特征；它们不构成实验验证、监管资格认定，也不表明 10% 的变化在所有屏障器官芯片系统中都具有普遍意义。因此，我们提出一项前瞻性湿实验验证策略，在该策略中，将模型预测结果与在受控技术变异和生物学变异来源条件下获得的气道屏障测量结果进行比较。该框架旨在通过明确且可审计地呈现检测不确定性和决策阈值，补充而非替代其基础生物学模型。
器官芯片（organ-on-chip，OoC）系统正日益用于在药物发现和临床前开发中生成与人类相关的证据，但生物学变异、设备间变异以及检测技术噪声之间的相互作用，可能限制对结果的解释。在此，我们介绍UstarFlowAI屏障置信度框架，这是一种计算机模拟的检测就绪性评估方法，用于量化在给定不确定性条件下，预先定义的与通透性相关的效应是否能够被分辨。该框架拟定的使用情境是：为层流、低雷诺数气道上皮单层屏障OoC检测提供决策支持；在此类检测中，设备制造、泵性能、流速、壁面剪切应力以及生物学波动均可能影响与通透性相关的读数。蒙特卡洛模拟将预先定义的制造、 biological、系统层面和孔级不确定性进行传播，并依据预先规定的决策规则估算最小可检测变化（minimum detectable shift，MDS）。在本概念验证设计中，参考流程的技术变异系数（CV）设定为9.4%，而标准化流程的技术CV设定为5.0%，对应于模型化技术噪声组分约46.8%的降低。在每组n = 48个重复孔、名义总检测噪声设定为17% CV的条件下，对于标准化流程，在最佳情景和最差情景中，预先定义的10%通透性变化均超过了MDS不确定性上限；相比之下，该变化与参考流程的95% MDS区间发生重叠，因此未达到预先规定的PASS判定标准。这些发现展示了在所述假设条件下该计算框架的运行特征；它们并不构成实验验证、监管资质认定，也不表明10%的变化在所有屏障OoC系统中都具有普遍意义。因此，我们提出一种前瞻性湿实验验证策略，在该策略中，将模型预测结果与在受控技术变异和生物学变异来源下获得的气道屏障测量结果进行比较。该框架旨在通过明确且可审计地呈现检测不确定性和决策阈值，补充而非取代其 underlying biological model。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.26.754630v1?rss=1
🏷️ 器官芯片 屏障通透性 蒙特卡洛模拟 检测置信度 最小可检测变化量