图像流细胞计 γ-H2AX 试验的应用,用于使用监督机器学习进行生物测量
Eman M Hassan1, Benjamin Puzantian1,2, Jessica M Mayenburg1
1Consumer and Clinical Radiation Protection Bureau, Environmental and Radiation Health Sciences Directorate, Health Canada, Ottawa, ON, Canada.
International journal of radiation biology
|August 11, 2025
概括
图像流细胞计与机器学习相结合,通过检测人类淋巴细胞中的玛-H2AX (γ-H2AX) 生物标志物,准确地测量辐射暴露,提高剂量估计效率.
科学领域:
- 生物标志物 生物标志物
- 辐射生物学 辐射生物学
- 细胞检测 细胞检测
背景情况:
- 基因素H2AX (γ-H2AX) 的酸化是电离辐射引起的DNA双链断裂 (DSB) 的快速指标.
- γ-H2AX作为辐射暴露的生物标志物,传统上通过显微镜或流细胞计测量.
- 图像流动细胞计 (IFC) 将显微镜分辨率与流动细胞计的统计能力合并为γ-H2AX分析.
研究的目的:
- 开发和验证成像流细胞计 (IFC) 试验,用于测量人类淋巴细胞中的γ-H2AX.
- 优化样本采集和数据分析,以准确估计辐射剂量.
- 将监督机器学习 (SML) K-近邻 (K-NN) 算法的准确性与剂量评估的传统方法进行比较.
主要方法:
- 开发了一种IFC方法来测量人类淋巴细胞中的γ-H2AX.
- 该试验被优化并对0-10 Gy剂量范围进行验证.
- 监督机器学习 (SML) K-Nearest Neighbors (K-NN) 算法使用平均光强度 (MFI),点数和点面积来估计剂量.
主要成果:
- 与基于MFI的线性装配相比,SML K-NN方法在确定传递的辐射剂量方面显示出更高的准确性.
- 这种提高的准确性在较高剂量范围内 (7-10 Gy) 尤其显著.
- γ-H2AX-IFC测定显示,暴露后1小时效率提高.
结论:
- 经过验证的γ-H2AX-IFC测定,加上用于剂量估计的SML K-NN,为评估辐射暴露提供了一种有效的方法.
- 这种方法改进了传统的流细胞计剂量估计技术.
- 该测试具有作为快速分类工具的潜力,用于在辐射事件后选大量样本.
