机器学习在时间间隔成像中区分胚胎从年轻小鼠和老小鼠†
Liubin Yang1,2,3, Carolina Leynes3, Ashley Pawelka3
1Division of Reproductive Endocrinology and Infertility, Department of Obstetrics and Gynecology, Baylor College of Medicine, Houston, Texas, USA.
Biology of reproduction
|April 30, 2024
概括
母亲的衰老加速了小鼠的早期胚胎发育. 机器学习,使用时隔显微镜,可以区分来自年轻和老年母亲的胚胎,帮助未来的胚胎选择.
科学领域:
- 发展生物学 发展生物学
- 生殖医学 生殖医学
- 人工智能在医学中的应用
背景情况:
- 胚胎发育动力学对于生殖成功至关重要.
- 母亲老龄化与生育能力下降和发育异常风险增加有关.
- 评估胚胎质量的非侵入性方法是非常可取的.
研究的目的:
- 通过时间间隔显微镜研究母亲衰老对胚胎生长动学的影响.
- 应用机器学习算法来根据母亲的年龄区分胚胎.
- 探索AI在识别与年龄相关的胚胎表型方面的潜力.
主要方法:
- 从年轻和年长的捐赠者获得的老鼠胚胎 (C57BL6/NJ) 的持续时间间隔成像.
- 在早期发育过程中分析关键形态动力学参数.
- 无监督和监督机器学习的应用 (极端梯度提升) 用于分类.
主要成果:
- 来自老年母亲的胚胎通过裂变呈现加速进展到毛囊阶段.
- 在各年龄组之间没有观察到爆发阶段时间的显著差异.
- 机器学习模型准确地预测了与母亲年龄相关的表型 (准确率:0.78,精确率:0.81,回忆率:0.83).
结论:
- 母亲的衰老改变了胚胎发育的速度,特别是在早期的分裂阶段.
- 通过机器学习,人工智能可以非侵入性地识别年龄依赖的胚胎形态动力学特征.
- 这种方法有望改善人类胚胎对辅助生殖技术的选择.
