使用基于深度学习的图像细分来自动量化Lipomyces starkeyi的脂质含量
Jeong-Joo Oh1, Young Jin Ko2, Young Jun Kim3
1Division of Environmental Science & Ecological Engineering, College of Life Sciences & Biotechnology, Korea University, 145, Anam-ro, Seongbuk-gu, Seoul 02841, Republic of Korea; Institute of Life Science and Natural Resources, Korea University, Seoul 02841, Republic of Korea.
Bioresource technology
|November 18, 2023
概括
这项研究引入了一种深度学习模型,用于自动检测和量化酵母中的细胞内脂质滴. 这种方法提供了一种快速,准确和具有成本效益的方法来监测生物燃料应用中的脂质生产.
科学领域:
- 生物技术是生物技术.
- 细胞生物学 细胞生物学
- 机器学习 机器学习
背景情况:
- 细胞内脂质滴 (LD) 对于碳储存至关重要,在生物燃料和食脂质生产中具有潜力.
- 在活细胞中有效监测LD对于优化生物质采集和识别高脂产品菌株至关重要.
- 目前用于脂质定量化的方法可能耗时且昂贵.
研究的目的:
- 开发基于深度学习的细分模型,用于自动检测和细分LDs.
- 为了快速准确量化酵母菌种Lipomyces starkeyi的脂质含量.
- 为实时监测生物发酵中的脂质生产提供一个高效的工具.
主要方法:
- 开发和培训一个深度学习细分模型.
- 该模型应用于光显微镜图像Lipomyces starkeyi.yi的应用.
- 验证模型在检测酵母细胞和LDs方面的准确性.
- 模型预测的脂质含量与气色谱-质谱学 (GC-MS) 结果的比较.
主要成果:
- 深度学习模型在检测酵母细胞 (98%) 和LDs (92%) 中取得了高精度.
- 基于细分的LD像素计数的脂质含量预测与GC-MS量化结果密切匹配.
- 自动化方法显著减少了与脂质生产监测相关的时间和成本.
结论:
- 深度学习提供了一种高效准确的方法,用于在酵母中自动检测LD和脂质定量.
- 这项技术可以加速对微生物菌株的查,以提高工业生物技术中的脂质生产.
- 开发的模型可以作为一种有价值的工具,用于实时监测和优化生物发酵过程.
