使用事件特征检测和监督机器学习算法对斑马鱼幼虫近道中肠和直肠起源的收缩进行系统分析

科学领域:

• 发展生物学 发展生物学
• 身体生理学 身体生理学
• 斑马鱼模型 斑马鱼模型

背景情况:

• 斑马鱼幼虫在体内可视化肠道发育和生理学,因为它们的透光性.
• 目前用于测量幼虫肠移动性的现有方法在数据解释,用户错误和方法不一致方面面临挑战.

研究的目的:

• 开发和验证一种非侵入性,自动化的方法来分析斑马鱼幼虫的肠道运动性.
• 克服手动注释的局限性,提高运动性测量的准确性和一致性.

主要方法:

• 引入尼罗河红色光染料进入幼虫肠道进行非侵入性成像.
• 收集了肠道光的连续共聚焦显微镜图像.
• 使用机器学习 (多重逻辑回归) 来自动检测肠道收缩事件,与手动注释相比.
• 分析了对照,储治疗,未养和养幼虫的运动性.

主要成果:

• 自动化分析成功识别了中肠和直肠收缩.
• 手动注释表明reserpine破坏了肠道运动,但机器学习在治疗后与低光度作斗争.
• 自动分析显示,食没有影响门收缩频率.

结论:

• 自动事件检测提供了肠道收缩的快速和准确的注释,包括直肠收缩.
• 当运动功能因治疗而受到干扰时,在使用内光对收缩事件的区分方面仍然存在挑战.