一个微流体微藻检测系统用于基于对象检测算法的细胞生理反应
Shizheng Zhou1,2, Tianhui Chen1, Edgar S Fu3
1School of Computer Science and Technology, Hainan University, Haikou 570228, China. yanhong@hainanu.edu.cn.
Lab on a chip
|April 29, 2024
概括
这项研究引入了一种新的计算机视觉和微流体学方法,用于对微藻进行高通量单细胞分析,这对于海洋环境监测和珊瑚健康至关重要. 优化的模型在识别Symbiodiniaceae细胞状态和热反应方面达到95%以上的准确性.
科学领域:
- 海洋生物学 海洋生物学
- 微藻生态学 微藻生态学
- 计算生物学是一种计算生物学.
背景情况:
- 微藻物种组成和生理状态是海洋环境的关键指标.
- 与珊瑚共生的Symbiodiniaceae对环境变化敏感.
- 目前基于人口的方法缺乏单细胞分辨率,缺少细胞异质性和状态过渡.
研究的目的:
- 开发一种自动化,高通量方法,用于无标签,单细胞微藻识别和生理状态评估.
- 通过专注于单个细胞动态来克服基于人口的分析的局限性.
- 研究Symbiodiniaceae的热敏感性和新型过渡状态.
主要方法:
- 计算机视觉,微流体学,微观图像处理和卷积神经网络的整合.
- 优化数据处理,训练协议和模型架构,用于微米级对象识别.
- 开发一个无,自动化系统,用于微藻的检测和分析.
主要成果:
- 在微藻多重分类和生理状态评估中达到>95%的平均精度.
- 成功发现了一种新的微藻过渡状态.
- 描述了三种Symbiodiniaceae菌株的热敏度,观察高温下细胞热冲击反应.
结论:
- 开发的方法使微藻的精确,高通量单细胞分析成为可能.
- 对Symbiodiniaceae热敏度和过渡状态的发现为珊瑚生态系统健康和早期预警系统提供了洞察力.
- 这项技术促进了微藻研究和环境监测能力的发展.
