数据集概述
本数据集基于微吸管吸吮技术，对H1299、A549及药物处理的H1299三种肿瘤细胞进行单细胞胞质黏度（μc）测定。通过不同负压（-10 kPa或-5 kPa）下的吸吮长度-时间曲线，结合牛顿流体模型计算黏度，并量化四分位数、离散系数，同时采用神经网络进行细胞类型分类。数据集包含一份Excel文件。
文件详解
- 文件名称：data in summary 20181012.xlsx
- 文件格式：XLSX
- 字段映射介绍：记录不同肿瘤细胞（H1299、A549、药物处理H1299）在不同负压条件下的单细胞胞质黏度统计数据，包括四分位数（如16.7 Pa•S、42.1 Pa•S、110.3 Pa•S）、离散系数（如74%）、细胞数量（如ncell=652），以及神经网络分类成功率（如76.7%）等关键指标。
数据来源
论文“Characterization of cytoplasmic viscosity of hundreds of single tumor cells based on micropipette aspiration”
适用场景
- 肿瘤细胞生物力学研究：分析不同肿瘤细胞及药物处理细胞的胞质黏度差异，探究细胞骨架状态与黏度的关联。
- 细胞类型分类模型构建：利用胞质黏度数据训练神经网络，优化肿瘤细胞类型分类算法。
- 抗肿瘤药物效果评估：通过药物处理前后细胞黏度变化，评估药物对细胞骨架的影响及潜在疗效。
- 细胞状态监测指标开发：探索胞质黏度作为肿瘤细胞状态（如增殖、凋亡）评估的生物标志物可行性。
