机器学习识别了暴露于双醇和 perfluoroalkyls 的人类多巴胺基神经元的表型特征变化
Andrea Di Credico1,2,3, Amélie Weiss4, Massimo Corsini5
1Reprogramming and Cell Differentiation Lab, Center for Advanced Studies, and Technology (CAST), 66100, Chieti, Italy.
Scientific reports
|December 11, 2023
概括
暴露于内分泌干扰化学物质 (EDCs),如双和 perfluoroalkyls,改变人类中脑多巴胺基神经元 (mDANs). 机器学习发现了细微的细胞变化,表明了帕金森病 (PD) 病理.
科学领域:
- 神经科学是一个神经科学.
- 毒理学 毒理学 毒理学
- 生物技术是生物技术.
背景情况:
- 帕金森病 (PD) 涉及中脑多巴胺基神经元 (mDANs) 的丧失.
- 家庭产品中的内分泌干扰化学物质 (EDC),包括双 (BPs) 和 perfluoroalkyls (PF),是无处不在的环境污染物.
- 虽然动物研究表明EDC可能会导致PD,但人类神经元模型数据很少.
研究的目的:
- 研究双 (BPs) 和 perfluoroalkyls (PFs) 对来自人类干细胞的中脑多巴胺基神经元 (mDANs) 的影响.
- 利用机器学习 (ML) 和高内容成像来检测暴露在环境相关度下EDC的mDAN中微妙的表型变化.
主要方法:
- 人类mDAN被暴露在BP和PF的不同度 (0.012μM) 中72小时.
- 高含量显微镜和神经元标记物染色产生了126种表型特征.
- 三个ML模型 (LDA,XGBoost,LightGBM) 被训练,以区分EDC处理的mDAN和对照mDAN.
主要成果:
- ML模型准确地对EDC处理的mDAN进行了分类 (0.880.96准确度).
- 暴露于EDC显著增加了α-synuclein (αSyn) 和氨酸氧化酶 (TH) 的染色强度.
- 微管相关蛋白2 (MAP2) 神经元的长度和分支在治疗的神经元中显著减少.
结论:
- 人类的mDAN受EDC暴露的不利影响,表现出一种表型向PD特征的转变.
- 用ML驱动的高内容成像有效地识别了微妙的,视觉上无法检测到的EDCs在mDANs中诱导的亚细胞变化.
- 这种方法使未来的EDC诱导的神经毒性的病理特征成为可能.
