基于单细胞形态学的六种巨细胞表型及其IL-10含量的预测,使用人工智能
Mischa Selig1, Logan Poehlman1, Nils C Lang1,2
1G.E.R.N. Research Center for Tissue Replacement, Regeneration & Neogenesis, Department of Orthopedics and Trauma Surgery, Faculty of Medicine, Medical Center-Albert-Ludwigs-University of Freiburg, Freiburg im Breisgau, Germany.
Frontiers in immunology
|January 19, 2024
概括
这项研究表明,人工智能可以准确地分类巨细胞表型,并仅使用细胞形态来预测IL-10细胞因子水平. 这为了解单细胞水平的细胞因子生物学提供了一种新方法.
科学领域:
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
- 细胞生物学 细胞生物学
背景情况:
- 单细胞计算工具正在迅速发展.
- 关于细胞外线如何影响巨细胞形态和预测表型/细胞因子含量的理解有限.
研究的目的:
- 为了确定AI是否可以分类巨细胞表型,并仅使用形态特征来预测细胞内IL-10.
- 评估定量形态学对巨细胞状态的预测能力.
主要方法:
- 利用基于人工智能的方法与定量形状描述器.
- 分析了基于图像的原始和合成单细胞数据的人类单细胞衍生巨细胞.
- 在各种原始和极化条件下检查了M0,M1和M2巨细胞表型.
主要成果:
- 单独细胞形态学就在分类六种人类巨细胞表型时达到93%-95%的准确性.
- 人工智能准确地预测了细胞内IL-10水平,准确率为95%,仅使用形态数据.
- 宏细胞形态被证实是细胞表型的敏感和动态标记物.
结论:
- 基于图像的机器学习有效地分类巨细胞表型 (M0,M1,M2,M2a,M2c) 并预测IL-10含量.
- 这种人工智能驱动的形态分析为免疫细胞中的表型和细胞因子预测提供了一个一般的策略.
- 该方法增强了对单细胞水平上细胞因子生物学的理解.
