Detección y análisis de geles de electroforesis utilizando YOLO

Área de la Ciencia:

• Biología molecular
• La genética
• La bioinformática

Sus antecedentes:

• La electroforesis es crucial para la investigación genética, pero el análisis manual de las bandas de ADN es propenso a errores.
• La interpretación de los marcadores moleculares dominantes en las imágenes de electroforesis presenta desafíos significativos.

Objetivo del estudio:

• Automatizar el análisis de imágenes de gel de electroforesis utilizando detección avanzada de objetos.
• Mejorar la precisión y la eficiencia de la interpretación de patrones de banda de ADN en la investigación genética.

Principales métodos:

• Aplicó modelos de detección de objetos YOLO (You Only Look Once) (v5-v12) para analizar imágenes de electroforesis.
• Modelos entrenados en un conjunto de datos aumentado de 1.200 imágenes, expandiéndose de un inicial de 246.
• Desarrolló una aplicación de análisis de gel multiplataforma para la lectura automatizada de gel y la generación de matrices de similitud.

Principales resultados:

• Los modelos YOLO lograron puntuaciones de precisión promedio (mAP) altas, con YOLO v11 alcanzando el 95.0%.
• El análisis automatizado demostró una mayor precisión que la interpretación manual de los patrones de banda de ADN.
• La "APP de análisis de gel" proporciona una interfaz intuitiva para simplificar datos genéticos complejos.

Conclusiones:

• El análisis de gel de electroforesis automatizado utilizando YOLO mejora significativamente la precisión y la eficiencia en la investigación genética.
• La aplicación desarrollada "Gel Analysis APP" ofrece una herramienta valiosa para los laboratorios de biología molecular y genética.
• Este enfoque impulsado por la IA aborda las limitaciones de la interpretación manual en el análisis de marcadores moleculares.