深度qGFP:一个通用的深度学习辅助管道,用于微反应器中准确量化绿色光蛋白标记生物样本

科学领域:

• 生物技术是生物技术.
• 计算生物学 计算生物学
• 分子生物学分子生物学

背景情况:

• 绝对量化对于准确的生物分析至关重要,特别是对于罕见的目标.
• 现有的流式细胞计和手动光成像等方法通常是昂贵的,复杂的,耗时的或容易出错的.
• 需要自动化,精确的量化方法来提高生物研究的准确性和效率.

研究的目的:

• 引入Deep-qGFP,这是一个基于深度学习的管道,用于自动检测和分类标记绿色光蛋白 (GFP) 的微反应器.
• 为了实现生物样本的实时绝对定量,具有高准确性和速度.
• 为了证明Deep-qGFP在各种数字PCR和测序平台上的多功能性和广泛适用性.

主要方法:

• 开发了一个深度学习辅助管道 (Deep-qGFP),用于分析GFP标记微反应堆的图像.
• 使用标准实验室光显微镜进行图像采集.
• 将算法应用于各种应用,包括滴滴数字PCR,微波数字PCR,滴滴单细胞测序,阿加罗斯数字PCR和细菌量化.

主要成果:

• 在检测和分类微型反应器方面取得了96.23%的准确性.
• 能够精确测量微反应器尺寸和占用状态,以准确地确定模板度.
• 在10张图像中,在2.5秒内量化了2000多个微反应堆,其动态范围为56.52-1569.43副本/μL.
• 在各种GFP标签场景中成功应用,而不需要转移学习或再培训.

结论:

• Deep-qGFP提供了一个快速,准确和自动化的解决方案,用于使用标准光显微镜进行绝对量化.
• 该算法显示了显著的概括能力,适用于多个数字生物学平台.
• Deep-qGFP是第一个用于多种数字PCR和单细胞测序应用的全集图像分析算法,具有生物医学研究和临床诊断的巨大潜力.