加快具有深度神经网络的动态DNA原木设备的表征
Yuchen Wang1, Xin Jin2, Carlos Castro3
1Department of Mechanical and Aerospace Engineering, The Ohio State University, Columbus, OH, 43210, USA. wang.9298@osu.edu.
Scientific reports
|September 14, 2023
概括
我们开发了一个深度神经网络 (DNN) 管道,以快速表征动态DNA纳米设备. 这种人工智能方法自动化了机械性能分析,克服了用于诊断和纳米机器人的手动测量的瓶.
科学领域:
- 生物物理学的生物物理.
- 纳米技术 纳米技术
- 计算生物学 计算生物学
背景情况:
- 动态DNA纳米设备的机械表征对于分子诊断和纳米机器人等应用至关重要.
- 目前的方法依赖于手动图像分析,这耗时且限制了吞吐量.
- 现有的工具经常与表现出大量形状变化的动态设备作斗争.
研究的目的:
- 开发一个自动化数据处理管道,以快速机械表征动态DNA纳米设备.
- 克服手工测量的局限性,分析形状分布和波动.
- 为研究人员使用动态DNA纳米设备提供强大的工具.
主要方法:
- 基于深度神经网络 (DNN) 的数据处理管道的开发.
- 使用YOLOv5和Resnet50架构进行粒子检测和形估计.
- 用小数据集 (5-10张图像) 和最小的用户输入训练网络.
主要成果:
- 在粒子检测方面取得了高性能,F1得分为0.85.
- 在DNN衍生分布和实验数据之间显示出良好的一致性.
- 展示了管道对多种DNA纳米设备类型的适用性.
结论:
- DNN管道为特征动态DNA纳米器件提供了强大而快速的解决方案.
- 自动化大大减少了与手动分析相关的瓶.
- 这种方法促进了DNA纳米设备在各个领域的更广泛应用.
