使用深度学习算法CeCILE 2.0进行单细胞辐射响应评分

科学领域:

• 细胞生物学 细胞生物学
• 辐射生物学 辐射生物学
• 生物信息学是一种生物信息学.

背景情况:

• 外部压力因素,如电离辐射显著影响哺乳动物细胞生命,分裂和生存.
• 了解辐射效应的精确机制需要对单个细胞反应进行详细的分析.
• 从长期细胞追踪中对大型数据集进行手动分析是不可行的.

研究的目的:

• 介绍CeCILE 2.0,一种深度学习算法,用于在活细胞视频中自动定位,分类和跟踪细胞.
• 为了使单细胞和细胞复合反应对压力因素,特别是X射线辐射的综合分析.
• 描述辐射诱导的异常,并得出关于细胞辐射反应的见解.

主要方法:

• 开发一种基于深度学习的算法,名为CeCILE 2.0 (细胞分类和体外生命周期评估).
• 使用活细胞相对比视频进行细胞跟踪和分析.
• 集成一个完全自动化的工作流程,用于单细胞和细胞复合分析.

主要成果:

• CeCILE 2.0成功地在视频中定位,分类和跟踪细胞.
• 该算法促进了关于细胞活力,细胞周期和辐射下生存的结论.
• 细胞分裂期间的辐射特异性异常的特征.

结论:

• CeCILE 2.0是一个强大的工具,用于量化细胞对辐射等外部压力因素的反应.
• 它允许在更广泛的背景下对单个细胞反应进行表征.
• 这代表了第一个综合工作流,用于对细胞辐射反应的综合单细胞分析.