相关实验视频
Updated: Jul 9, 2025
09:37
Imaging the Human Immunological Synapse
Published on: December 26, 2019
14.3K
可解释的机器学习用于分析免疫突触和治疗抗体的功能特征
Sayedali Shetab Boushehri1,2,3,4, Katharina Essig5, Nikolaos-Kosmas Chlis5
1Institute of AI for Health, Helmholtz Zentrum München, German Research Center for Environmental Health, Neuherberg, Germany.
Nature communications
|November 30, 2023
概括
一个新的AI框架,scifAI,使用成像流细胞计分析免疫细胞相互作用. 它可以快速查抗体,并预测治疗性抗体功能,加速药物开发.
科学领域:
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
- 生物技术是生物技术.
背景情况:
- 治疗性抗体对于治疗严重疾病至关重要,主要是通过调节免疫细胞在免疫突触.
- 目前用于表征抗体功能的方法不是高通量,阻碍了系统的评估和预测.
- 需要先进的工具来分析免疫反应中复杂的细胞对细胞相互作用.
研究的目的:
- 引入scifAI,一个全面的开源框架,用于分析单细胞成像流细胞计数据.
- 基于细胞形态学的AI驱动方法来预测基于细胞形态的治疗抗体功能.
- 创建最大的公开可用的数据集的人类免疫突触成像流细胞计数据.
主要方法:
- 开发scifAI用于预处理,特征工程和对成像流细胞计 (IFC) 数据的机器学习.
- 创建一个大规模的IFC数据集 (> 280万图像) 的人类免疫突触.
- 应用scifAI来分析形态变化和预测T细胞细胞因子的产生.
主要成果:
- scifAI成功地预处理,工程师功能,并将可解释的AI应用于IFC数据.
- 分析显示,在各种刺激条件下,免疫细胞的形态变化.
- 实现了对T细胞细胞因子产生的定量预测,将形态与功能联系起来,用于治疗抗体.
结论:
- scifAI为高通量抗体表征提供了一种强大,普遍适用的工具.
- 该框架通过整合形态和功能数据,大大提高了治疗抗体功能的预测.
- scifAI有可能在药物发现中彻底改变抗体设计和查过程.
