Marco semiautomático basado en el aprendizaje automático para la cuantificación de la eficiencia de la esporulación...

Área de la Ciencia:

• * Microbiología y Genética
• * Análisis de bioimágenes

Sus antecedentes:

• * La cuantificación precisa de la eficiencia de la esporulación de la levadura es crucial para los estudios genéticos.
• * El conteo manual requiere mucha mano de obra y es propenso a errores subjetivos.
• * Las herramientas de aprendizaje profundo existentes pueden no ser universalmente aplicables o adaptables.

Objetivo del estudio:

• * Desarrollar una tubería automatizada, robusta y accesible para la cuantificación de la eficiencia de la esporulación de levaduras.
• * Para reducir el tiempo de procesamiento y el sesgo subjetivo asociado con el conteo manual.
• * Proporcionar una alternativa fiable para diversos antecedentes genéticos y morfologías de esporas.

Principales métodos:

• * Se utilizó ilastik para la optimización de las características de la textura para segmentar las células de levadura esporuladoras.
• * Utilizado en Fiji para el procesamiento optimizado de imágenes y la cuantificación de esporas dentro de células segmentadas.
• * Clasificación automatizada de las díadas, tríadas y tétradas con controles de calidad manuales.

Principales resultados:

• * Se alcanzó un acuerdo del 93,4% con el conteo manual (ICC = 0,94).
• * Reducción del tiempo de procesamiento en un 68% (P < 0,001).
• * Se ha demostrado un rendimiento consistente a través de mutantes de fosforilación Hsp82 y diversos antecedentes genéticos.

Conclusiones:

• * La tubería desarrollada ofrece una alternativa reproducible y precisa a la cuantificación manual de la esporulación de levaduras.
• * El diseño modular permite parámetros ajustables y compatibilidad con varios conjuntos de datos y marcadores de imágenes.
• * Este método equilibra el rendimiento y la precisión, lo que lo hace adecuado para la microscopía de laboratorio estándar.