人工智能支持的脂质滴量定量:对NIS元素Segment.ai和ZeroCostDL4Mic StarDist网络进行比较分析
S Michurina1, Y Goltseva1, E Ratner2
1National Medical Research Centre for Cardiology Named After Academician E.I.Chazov, Moscow, Russia.
Methods (San Diego, Calif.)
|March 1, 2025
概括
在脂肪细胞中量化脂质滴 (LDs) 对于理解肥胖至关重要. 本研究介绍了Segment.ai和StarDist的深度学习工具,以准确分析LD数量和形态,加速研究.
科学领域:
- 细胞生物学 细胞生物学
- 生物信息学是一种生物信息学.
- 医疗成像医学成像
背景情况:
- 脂质滴 (LDs) 是脂肪细胞中的重要器官,反映细胞功能和代谢状态.
- 准确量化LD对于研究肥胖和相关代谢障碍至关重要.
- 目前的LD分析方法具有挑战性,需要先进的计算方法.
研究的目的:
- 通过深度学习来分析LD数量和形态学的实用工作流.
- 评估Segment.ai和StarDist在脂肪细胞中进行LD分析的性能.
- 为了证明这些工具在研究LD动态和代谢调节方面的实用性.
主要方法:
- 3T3-L1细胞分化为脂肪细胞,并用BODIPY493/503.3染色.
- 进行了共聚焦活细胞成像,并为训练注释了数据.
- 应用了Segment.ai (NIS-Elements) 和StarDist (ZeroCostDL4Mic) 深度学习模型进行LD检测和分析.
主要成果:
- Segment.ai 和 StarDist 模型都准确地识别和量化了微摄影中的 LD.
- 这些模型证明了在抑制脂解的脂肪细胞中检测LD扩大的能力.
- 深度学习显著加速了成像数据的处理和分析.
结论:
- Segment.ai 和 StarDist 提供了强大的和高效的解决方案,用于 LD 量化和形态分析.
- 这些工具有助于更快地探索LD动态,帮助研究能量恒温.
- 开发的方法有助于了解LDs在代谢异常和肥胖中的作用.
