使用机器学习方法进行 (非) 附着细胞细胞周期分析的自动化工作流程

科学领域:

• 细胞生物学 细胞生物学
• 癌症研究 癌症研究
• 生物技术是生物技术.

背景情况:

• 了解单细胞水平的细胞循环对于生物学和癌症研究至关重要.
• 研究非粘附细胞的细胞周期是当前光标记方法的挑战.
• 附着细胞周期研究得到了改进,但非附着细胞需要新的方法.

研究的目的:

• 开发一种精确的方法来测量非粘附细胞中细胞周期相位的持续时间.
• 创建一个全自动化和可访问的细胞循环分析系统.
• 为数百个细胞在各种条件下提供详细的细胞周期见解.

主要方法:

• 结合了专门的表面,用于与FUCCI(CA) 2传感器连接电池.
• 使用自动化图像分析管道和定制机器学习算法.
• 在急性髓性白血病细胞系 (NB4,Kasumi-1) 中验证了该系统,并测试了药物影响.

主要成果:

• 能够精确测量非粘附细胞中细胞周期相位的持续时间.
• 在挑战急性髓性白血病细胞系方面成功验证了该方法.
• 证明了与附着细胞的兼容性,并对数百个细胞进行了自动分析.

结论:

• 开发了一种有价值的自动化工具,用于对附着细胞和非附着细胞进行全面的细胞循环分析.
• 该系统提供了详细的见解,这对于推进癌症研究至关重要.
• 这种工具支持药物开发,使得细胞循环研究更为可靠.