人工智能方法用于在人体组织的EM图像中对糖原颗粒的体积定量
Eduardo Ríos1, Montserrat Samsó2, Lourdes C Figueroa1
1Department of Physiology and Biophysics, Rush University, Chicago, IL, USA.
The Journal of general physiology
|July 9, 2024
概括
人工智能模型从电子显微镜图像中量化骨肌肉糖原颗粒. 患有恶性高热敏感性 (MHS) 患者的葡萄糖度显著降低,表明葡萄糖处理受损.
科学领域:
- 生物化学 生物化学
- 细胞生物学 细胞生物学
- 医疗成像医学成像
背景情况:
- 骨肌肉是葡萄糖代谢的主要部位,以糖原颗粒的形式储存葡萄糖.
- 糖原颗粒的丰度因细胞位置和生理状态而异.
- 恶性高热敏感性 (MHS) 与改变的葡萄糖代谢有关.
研究的目的:
- 开发人工智能模型来量化人类骨肌肉中的颗粒型糖原含量.
- 为了比较MHS患者和对照组之间的糖原含量.
- 建立一种从二维图像中推断出3D体积数据的方法.
主要方法:
- 训练了两个UNet类型的语义细分AI模型来识别细胞位置和糖原颗粒.
- 使用基于模拟的方法将像素分数 (pf) 与颗粒体积分数 (vf) 相关联.
- 用AI衍生的vf计算MHS和MHN患者不同肌肉区域的糖原度.
主要成果:
- 介肌纤维细胞间隙和sarcomeric I带显示了最高的糖原颗粒含量.
- 计算的葡萄糖原度很低,这表明有相当大的非颗粒型葡萄糖原池.
- 与MHN对照组相比,MHS患者的肌肉样本显示糖原度大约是MHN对照组的三倍.
结论:
- 用人工智能驱动的电子显微镜图像的分析提供了对骨肌肉糖原的准确量化.
- 降低MHS患者的葡萄糖度支持了葡萄糖处理受损的证据.
- 人工智能方法可以适应各种生物成像研究中的定量分析.
