发现隐藏的宝藏:利用深度学习,绘制人类介质干细胞到骨质母细胞分化的形态变化
Faisal Quadri1, Mano Govindaraj1, Soja Soman1
1The Vijay Lab, Division of Engineering, New York University Abu Dhabi, Abu Dhabi, UAE.
Micron (Oxford, England : 1993)
|January 14, 2024
概括
深度学习分析细胞图像,以追踪介质干细胞 (MSC) 分化为骨质母细胞 (OBs). 这种方法量化了形态变化,揭示了不同的转化途径,以提高研究可重复性.
科学领域:
- 生命科学 生命科学
- 生物技术是生物技术.
- 细胞生物学 细胞生物学
背景情况:
- 细胞显微镜图像的定量分析是耗时和劳动密集的.
- 手动细胞表征限制了生命科学研究中的速度,准确性和可重现性.
- 深度学习 (DL) 为快速,准确和可重复的图像分析提供了解决方案.
研究的目的:
- 将深度学习 (DL) 应用于对中细胞干细胞 (MSC) 分化成骨质母细胞 (OB) 的定量分析.
- 在MSC到OB分化过程中跟踪和分析形态变化.
- 建立一个定量数据集来评估差异化条件,并指导DL工作流程的实施.
主要方法:
- 利用深度学习算法对细胞显微镜图像进行定量分析.
- 在分化成骨质母细胞 (OBs) 过程中,追踪了介质母细胞 (MSCs) 的形态转化.
- 专注于细胞周长和异常度的变化作为关键形态指标.
主要成果:
- DL成功量化了MSC分化成OBs期间的形态变化.
- 观察到不同的形态转变路径,周边变化先于异心率变化.
- 创建了一个数据集,允许在各种条件下对差异化进行定量比较.
结论:
- 深度学习为分析细胞分化提供了一种高效准确的方法.
- 形态分析揭示了细胞过渡中的特定时间模式.
- 开发的DL工作流可以指导未来的研究,并提高实验的可重复性.
