通过基于深度学习的处理图像的彗星测试来评估微塑料和抗生素诱导的海洋中的基因毒性
Yiyi Jiang1, Fang Zhang1, Siqi Xia2
1Hainan Institute, Zhejiang University, Sanya 572025, China; Ocean College, Zhejiang University, Zhoushan 316021, China.
Ecotoxicology and environmental safety
|October 25, 2025
概括
一种新的深度学习 (DL) 方法使用彗星测试来自动评估DNA损伤. 这种高通量方法可以准确地检测水生生态系统中新出现的污染物的遗传损害.
科学领域:
- 环境毒理学环境毒理学
- 生物信息学是一种生物信息学.
- 分子生物学分子生物学
背景情况:
- 新出现的污染物对水生生态系统具有重大基因毒性风险.
- 监测模型生物中的遗传损害可以提供早期环境风险警告.
- 彗星测定对于基因毒性评估至关重要,需要高通量方法.
研究的目的:
- 开发基于深度学习 (DL) 的高通量方法,用于自动化彗星测试分析.
- 为了能够准确地检测和评估由环境压力因素引起的DNA损伤.
- 为了高效的基因毒性评估,将古典毒理与DL整合在一起.
主要方法:
- 开发了一种基于DL的高通量彗星测定分析方法,使用You Only Look Once版本8模型.
- 在1453个培训和364个验证图像的数据集上训练并验证了DL模型.
- 应用DL方法和CASP来评估暴露于微塑料和硫甲的贝中的基因毒性.
主要成果:
- DL方法在探测有尾巴的彗星方面取得了90.6%的准确性.
- 对比分析表明DL方法的有效性与传统的基因毒性评估技术相比.
- 与单个压力因素相比,同时暴露于微塑料和硫甲醇对DNA损伤有缓解作用.
结论:
- 开发的DL方法为高通量DNA损伤评估提供了一种高效和准确的方法.
- 这种综合方法提高了水生环境中新出现的污染物对基因毒性的评估.
- 该研究强调了污染物之间的协同作用,影响了整体的基因毒性水平.
