基于机器学习的脂质沉积物的表征和定量方法,使用iPSC衍生的视网膜色素上皮质

科学领域:

• 眼科医生 眼科 眼科
• 细胞生物学 细胞生物学
• 生物技术是生物技术.

背景情况:

• 视网膜色素上皮 (RPE) 对视力至关重要,其功能障碍导致视力丧失.
• 脂质沉积是各种视网膜疾病中RPE退化的常见标志.
• 现有的模型难以复制RPE脂质积累表型.

研究的目的:

• 为了创建RPE退化的体外模型,显示脂质沉积物.
• 开发和验证用于量化这些脂质沉积物的机器学习工具.
• 促进通过脂质积累表现的视网膜退行性疾病的药物发现.

主要方法:

• 从患者纤维细胞产生诱导多能干细胞衍生的RPE (iRPE).
• 培养iRPE并将它们暴露在光受体外段 (POS) 或补充毒素中以诱导病理.
• 使用脂质染色剂 (尼罗河红色,BODIPY) 和APOE表征.
• 在显微镜图像上开发和训练LipidUNet机器学习软件.

主要成果:

• 在Stargardt,L-ORD和AMD的iRPE模型中成功复制了细胞内和细胞下脂质沉积物.
• 证明了LipidUNet在量化RPE细胞培养中的脂质沉积密度方面的实用性.
• 为未来的3D图像分析和体积量化奠定了基础.

结论:

• 开发的iRPE模型准确地模仿了在视网膜疾病中观察到的RPE脂质沉积表型.
• LipidUNet是一个强大的新工具,用于客观量化RPE中的脂质积累.
• 这个平台具有很大的潜力,可以促进对视力危及的RPE障碍的研究和治疗开发.