通过人工智能驱动的图像分析研究分子涂层在人类角膜内皮细胞初级培养中的作用
Gauthier Travers1, Louise Coulomb1, Inès Aouimeur1
1Laboratory Biology, Engineering and Imaging for Ophthalmology (BiiO), Faculty of Medicine, Health Innovation Campus, Jean Monnet University, Saint-Étienne, France.
Scientific reports
|August 25, 2025
概括
开发用于角膜失明的先进细胞疗法需要高质量的人类角膜内皮细胞 (hCEC) 培养物. 新的自动化分析工具改善了细胞质量评估,有助于开发治疗角膜疾病的有效方法.
科学领域:
- 眼科 眼科
- 复原医学
- 细胞生物学
背景情况:
- 人类角膜内皮细胞 (hCEC) 对于角膜透明度至关重要,但不能再生.
- 角膜移植是角膜失明的主要治疗方法,
- 需要组织和细胞疗法来满足角膜置换的需求.
研究的目的:
- 开发和验证用于评估hCEC培养质量的先进的自动化图像分析工具.
- 为了比较13个细胞外基质分子在支持hCEC培养中的有效性.
- 改善先进治疗药物的关键质量属性的表征.
主要方法:
- 使用Cellpose算法开发了高性能自动化细胞细分.
- 实施了一种原始的分析方法来改进形态参数计算 (细胞面积,六角性).
- 使用新的分析工具,全面比较hCEC培养的13种细胞外基质分子 (细分体,原体).
主要成果:
- 基于Cellpose的方法精确地细分了附着hCEC,克服了传统图像分析的局限性.
- 改进了古典形态参数的计算,并引入了新的hCEC特定参数.
- 证明了新分析工具在各种细胞外基质涂层上培养的hCEC培养中的微妙差异的能力.
结论:
- 先进的自动化图像分析显著提高了hCEC培养品质的评估.
- 细胞外基质组成极大地影响hCEC的形态和培养特征.
- 这些发现支持开发用于角膜再生和失明治疗的优化细胞疗法.
