在斑马鱼中通过机器学习和高度并行显微镜对表达EGFP的中性粒细胞进行自动化,高通量量化

科学领域:

• 免疫学 免疫学 免疫学
• 发展生物学 发展生物学
• 生物成像 - 生物成像

背景情况:

• 斑马鱼 (Danio rerio) 是一个有价值的模型生物体,用于研究免疫反应,因为它保留了免疫细胞系和透明的幼虫.
• 分析斑马鱼幼虫免疫细胞的传统方法是低通量和劳动密集型的.
• 高通量查对于遗传和化学暴露研究至关重要.

研究的目的:

• 开发和验证一种快速,高分辨率的自动化方法,用于在体内计算斑马鱼幼虫中光标记的免疫细胞.
• 以斑马鱼作为模型实现高通量遗传和化学选.

主要方法:

• 使用多摄像头阵列显微镜 (MCAMTM) 对斑马鱼幼虫的96个井板进行并行,高分辨率的成像.
• 开发了一种机器学习细分算法,用于识别每个幼虫的最佳焦点平面.
• 在体内使用像素强度值和斑块检测来计算光中性粒细胞 (表达EGFP).

主要成果:

• 在75秒内从96个井板中获取18千兆像素的图像数据.
• 自动细胞计数在5分钟内完成.
• 验证了算法计数与手动计数的对比,证明了对测量中性粒细胞数量变化的屏幕的准确性和实用性.

结论:

• 结合机器学习的MCAMTM,为斑马鱼体内免疫细胞量化提供了快速有效的方法.
• 这种方法显著提高了基因和化学查应用的吞吐量.
• 为定制模型训练和分析提供了一个开源软件包,可适应其他细胞类型和物种.