一种深度学习方法来评估基于干细胞的胚胎模型中的细胞身份.
Nazmus Salehin1, Martin Proks1, Joshua M Brickman2
1Novo Nordisk Foundation Center for Stem Cell Medicine (reNEW), Department of Biomedical Sciences, University of Copenhagen, Copenhagen, Denmark.
Methods in molecular biology (Clifton, N.J.)
|July 21, 2025
概括
深度学习模型现在评估胚胎干细胞 (ESC) 衍生物如何准确地反映人类早期发育. 这一新资源有助于研究人员评估用于发育生物学研究的体外模型.
科学领域:
- 发育生物学 发展生物学
- 干细胞生物学 干细胞生物学
- 计算生物学 计算生物学
背景情况:
- 来自胚胎干细胞 (ESC) 的胚胎体 (EB) 用于3D分化,以模仿早期人类发育.
- 在体外衍生细胞与实际胚胎细胞的忠实性仍然是一个关键问题.
研究的目的:
- 开发和介绍一个深度学习 (DL) 框架,用于评估体外干细胞模型的发育准确性.
- 为研究人员提供工具来分类和评估体外生成的细胞类型.
主要方法:
- 从早期人类发育中利用单细胞RNA测序 (scRNA-seq) 数据.
- 使用scvi工具进行数据集成和细胞类型分类.
- 开发了一种DL模型,用于将细胞身份和可靠性得分 () 赋予体外细胞.
主要成果:
- 成功整合了多样化的scRNA-seq数据集,创建了一个早期人类发展的综合模型.
- 该DL工具准确地分类体外细胞类型,并量化分类信心.
- 提供了公开的DL模型和协议,用于查询干细胞衍生胚胎模型.
结论:
- 开发的DL工具提供了一个强大的方法来评估基于干细胞的胚胎模型的发育回顾.
- 本资源增强了在发育研究中评估体外系统忠实性的能力.
- 有助于更准确地解释由体外分化协议衍生的表型和细胞类型.
