在使用深度神经网络的卵巢癌细胞系共同培养中评估特征提取
Osheen Sharma1, Greta Gudoityte2, Rezan Minozada2
1Department of Oncology-Pathology, Karolinska Institutet, Science for Life Laboratory, Stockholm, Sweden. osheen.sharma@ki.se.
Communications biology
|February 25, 2025
概括
这项研究开发了一种分析癌细胞共同培养的新管道,揭示了卵巢癌细胞系中复杂的药物诱导的形态变化和异质性.
科学领域:
- 细胞生物学 细胞生物学
- 计算生物学 计算生物学
- 药物发现 药物发现 药物发现
背景情况:
- 单细胞图像分析对于了解药物对细胞形态的影响至关重要.
- 现有的方法往往忽略了共同培养的细胞环境中的复杂相互作用.
- 研究细胞相互作用对于全面的药物反应评估至关重要.
研究的目的:
- 建立一个分析管道,从与纤维细胞共同培养的癌细胞中提取表型特征.
- 评估传统和深度学习方法在分析共同文化中药物诱导的表型变化的表现.
- 在复杂的共同培养系统中探索药物对细胞形态的影响.
主要方法:
- 使用高含量成像分析了瘤学药物库在五种癌症和纤维细胞细胞系共同培养组合中.
- 开发了一种新的分析管道,从大约1.7亿个单细胞物体中提取表型特征.
- 传统的表型 (CellProfiler) 和预训练的神经网络 (EfficientNetB0,MobileNetV2) 在行动丰富机制方面进行了比较.
主要成果:
- 分析管道从与瘤学药物库一起处理的共同培养细胞生成了61,440张图像.
- CellProfiler获得了62.6%的平均丰富分数,而EfficientNetB0和MobileNetV2分别获得了61.0%和62.0%.
- 观察到药物诱导的表型变异和形态异质性,受药物度和细胞环境的影响.
结论:
- 开发的管道有效地捕捉了共同培养的癌细胞中细微的,药物诱导的表型变异.
- 这项研究突出了卵巢癌细胞系的形态异质性及其在复杂的共同培养环境中的反应.
- 这种方法为更复杂的细胞系统中药物效应的更复杂分析提供了基础.
