从诱导多能干细胞衍生心肌细胞中检测生物磁性信号,使用深度学习与模拟数据进行深度学习
Takeshi Yamaguchi1,2, Yoshiaki Adachi3, Takashi Tanida4
1Department of Anatomy and Neurobiology, Graduate School of Medical Science, Kyoto Prefectural University of Medicine, Kyoto, 602-8566, Japan. tyamaguc@koto.kpu-m.ac.jp.
Scientific reports
|March 28, 2024
概括
深度学习有效地检测来自诱导多能干细胞衍生心肌细胞 (iPS-CMs) 的弱生物磁信号. 这种非侵入性方法对再生医学的安全性和药物查有希望.
科学领域:
- 生物物理学的生物物理.
- 心脏病学 心脏病学
- 人工智能的人工智能
背景情况:
- 诱导多能干细胞衍生心肌细胞 (iPS-CMs) 的非侵入性电生理学评估至关重要.
- 自发磁信号检测为这种评估提供了一个潜在的途径.
研究的目的:
- 开发和验证用于检测来自iPS-CMs的弱生物磁信号的深度学习方法.
- 评估这种方法在再生医学和药物查中的应用的可行性.
主要方法:
- 一个深度学习模型,特别是一个长期短期记忆网络,在一个数据集上训练,该数据集结合了模拟和真实噪声磁信号.
- 模仿细胞场的磁信号是人工生成的,并使用超导量子干扰装置 (SQUID) 来测量.
- 该模型被应用用于检测来自小鼠iPS-CMs的磁信号峰值,并评估时长效应.
主要成果:
- 深度学习方法在检测人工磁信号峰值方面取得了80.0%的准确性,超过了传统方法.
- 从小鼠的iPS-CM中检测到的峰值计数与微观观察自发跳动的相关性.
- 观察到磁信号和磁场潜力之间的同步,并且可以检测到异二醇诱导的时长效应.
结论:
- 深度学习与模拟和真实噪声数据相结合,可以有效地检测来自iPS-CMs的弱生物磁信号.
- 拟议的方法表明了非侵入性电生理学评估,再生医学安全性评估和药物查的潜力.
更多相关视频
08:53Human iPSC-Derived Cardiomyocyte Networks on Multiwell Micro-electrode Arrays for Recurrent Action Potential Recordings
Published on: July 15, 2019
11.6K
10:30Technical Applications of Microelectrode Array and Patch Clamp Recordings on Human Induced Pluripotent Stem Cell-Derived Cardiomyocytes
Published on: August 4, 2022
2.9K