ディープラーニングによる複数のCaenorhabditis種の最初の胚分裂段階の分類
Dhruv Khatri1, Prachi Negi1, Chaitanya A Athale2
1Div. of Biology, IISER Pune, Dr. Homi Bhabha Road, Pashan, Pune, India.
NPJ systems biology and applications
|August 23, 2025
まとめ
ディープラーニングモデルは,ラベルフリー顕微鏡を用いてネマトード胚細胞分裂段階を正確に分類する. このアプローチは種間で一般化され,細胞メカニズムにおける進化的多様性の研究に役立ちます.
科学分野:
- 発達生物学
- コンピューター生物学
- 進化生物学
背景:
- 最初の胚分裂は,非対称的な細胞分裂の重要なモデルである.
- 細胞現象の進化的多様性を理解するには,種間の比較分析が必要です.
- 標識のない微分干渉コントラスト (DIC) 顕微鏡は,分子標識の課題のために比較研究に不可欠です.
研究 の 目的:
- ラベルフリーDIC顕微鏡フィルムにおける細胞段階分類の自動化のための深層収縮神経ネットワーク (CNN) を比較する.
- これらのネットワークの結果を OpenSource として解釈し,コードとウェイトをリリースします.
- ネマトドの胚細胞分裂段階を種別に分類するためのディープラーニングモデルの汎用性を評価する.
主な方法:
- ResNet,VggNet,EfficientNet,カスタムEvoCellNetを含む複数のCNNを訓練し,4つの異なる細胞分裂段階 (核前移転,集中と回転,スパインドルの移動,細胞運動) を分類しました.
- ネマトード胚のDIC顕微鏡のタイムシリーズから手動でラベルされたフレームを使用しました.
- 23種類のネマトードから得られたテストデータでネットワークの精度を評価した.
主要な成果:
- 細胞分裂段階を23種のネマトードに分類するのに 91%以上の精度を達成した.
- エボセルネットの活性化ベクトルは 細胞内特性の空間的位置づけと 相関していることがわかりました
- 比較可能な DIC タイムシリーズを分類する際の強度が実証されましたが,成功は形態学的特徴の保存に限定されました.
結論:
- ディープラーニングネットワークは ネマトード胚の形態的変化を 種間で効果的に一般化できます
- 開発されたパイプラインは,生物学的関連性のある低レベルの細胞内特性を基に細胞分裂の時系列を捕捉します.
- このアプローチは,ラベルフリー顕微鏡を用いた細胞メカニズムにおける進化的多様性の研究を強化する.
