deepBlastoid：ヒト胚盤葉の自動かつ効率的な評価のための深層学習モデル

科学分野:

• 発生生物学
• バイオテクノロジー
• 人工知能

背景:

• ヒト胚盤葉は、初期ヒト発生および着床の貴重なモデルです。
• 現在の胚盤葉の特性評価は手動の方法に依存しており、スループットが制限されています。
• 効率的かつ正確な胚盤葉形態評価には、自動化されたツールが必要です。

研究 の 目的:

• ヒト胚盤葉の自動分類のための深層学習モデルを開発すること。
• モデルの精度、スループット、および薬物スクリーニングアプリケーションでの有用性を評価すること。

主な方法:

• 明視野画像を使用した深層学習モデル（deepBlastoid）の開発。
• 高精度かつ高速処理による生きたヒト胚盤葉の分類。
• 分類精度を向上させるための信頼度指標の統合。

主要な成果:

• deepBlastoidは87％の精度を達成し、信頼度指標（Confidence Rate）を使用することで97％に向上しました。
• モデルは毎秒273.6枚の画像を処理し、スループットで人間の専門家を上回りました。
• 薬物（LPA、DMSO）が胚盤葉形成に及ぼす影響の評価に有用性が実証され、微妙な影響が特定されました。

結論:

• deepBlastoidは、ヒト胚盤葉分類のための効率的で自動化されたツールを提供します。
• このモデルは、発生生物学研究、薬物スクリーニング、体外受精に広範な用途があります。
• 公開されているため、多様な研究ニーズに合わせてカスタマイズできます。