使用机器学习模型和图像分析算法自动检测姐妹染色体交换.
Mizuo Teraoka1, Shinya Matsumoto1, Ryotaro Kawasumi2
1Graduate School of Systems Design, Tokyo Metropolitan University, Asahigaoka 6-6, Hino-shi, 191 - 0065, Tokyo, Japan.
Scientific reports
|November 6, 2025
概括
本研究引入了一种自动化系统,用于使用深度学习分析姐妹染色体交换 (SCE). 这种新的方法准确地测量了SCE,克服了手工显微镜分析的局限性.
科学领域:
- 遗传学 是一个遗传学.
- 细胞生物学 细胞生物学
- 生物信息学是一种生物信息学.
背景情况:
- 姐妹染色体交换 (SCE) 是同一DNA序列之间的重组事件.
- 在基础医学和生物学中,SCE分析至关重要,但传统上是手动的,耗时的和主观的.
- 现有的SCE分析方法缺乏效率和客观性.
研究的目的:
- 从染色体图像开发一个完全自动化的系统来检测和测量姐妹染色体交换 (SCEs).
- 提高生物和医学研究中SCE分析的效率和客观性.
主要方法:
- 利用基于面具区域的卷积神经网络 (面具R-CNN) 进行精确的单染色体检测和细分.
- 使用视觉变压器 (ViT) 来分类姐妹染色体交换 (SCE).
- 集成图像处理和集群算法用于定量SCE测量.
主要成果:
- 拟议的系统成功地自动检测和测量SCEs.
- 在测量SCE的数量时,获得了84.10%的准确性.
- 在速度和客观性方面,在手动分析方面表现出显著的改进.
结论:
- 开发的基于深度学习的系统为SCE分析提供了强大的自动化解决方案.
- 这项技术有可能加速依赖于SCE评估的领域的研究,例如毒理学和癌症生物学.
- 自动化的SCE分析提高了可重现性,并减少了实验偏差.
