开发一种新的微生理学系统,用于利用人类iPSC衍生的神经元进行外周神经毒性预测,并进行形态深度学习

科学领域:

• 神经科学是一个神经科学.
• 毒理学 毒理学 毒理学
• 生物技术是生物技术.

背景情况:

• 微生理系统 (MPS) 模仿人类生理学用于药物查.
• 药物诱导的神经毒性,特别是化疗诱导的周围神经病变 (CIPN),是一个重大的临床挑战.
• 需要准确的体外模型来预测和评估神经毒性影响.

研究的目的:

• 开发和验证一个微生理系统 (MPS) 用于人类iPSC衍生的感觉神经元的结构化培养.
• 在神经元图像上使用形态深度学习来预测药物诱导的神经毒性.
• 评估该平台在评估化疗诱导的外围神经病变方面的有效性.

主要方法:

• 开发一种MPS用于培养人类诱导多能干细胞 (iPSC) 衍生的感觉神经元.
• 针对MPS模型的抗癌药物的使用.
• 使用深度学习AI模型进行神经元 soma和轴突的形态分析.
• 测量神经纤维光链表达的测量.

主要成果:

• 人工智能模型成功检测出抗癌药物的显著毒性.
• 该系统区分了对神经元 soma 和轴突的毒性影响.
• 观察到神经纤维光链表达的变化与CIPN.的临床报告相关.
• 该MPS-AI平台证明了有效预测化疗诱导的周围神经病变.

结论:

• 开发的MPS与形态深度学习相结合,是用于体外外围神经毒性评估的宝贵平台.
• 这种方法为早期检测和评估药物诱导的神经毒性提供了一个有希望的方法.
• 这些发现支持使用这种综合系统进行临床前药物查和理解神经毒性机制.