深度学习和对象检测方法用于在人类细胞中评分细胞类型 微核和细胞组测试用于人类生物监测
Eloise Smith1, Jade Wagman2, Claire Barnes1
1Department of Biomedical Engineering, Faculty of Science and Engineering, Bay Campus, Swansea University, SA18EN.
Mutagenesis
|November 14, 2025
概括
使用人工智能的自动微核 (MNi) 检测增强了基因毒性测试. 将AI集成到口腔微核细胞体 (BMCyt) 试验中,有望改善环境暴露的生物监测.
科学领域:
- 生物监测 生物监测
- 基因毒理学 基因毒理学
- 计算生物学 计算生物学
背景情况:
- 微核 (MNi) 的手动评分是劳动密集型和可变的,阻碍了可靠的基因毒性评估.
- 人工智能和计算机视觉在体外试验中进行了先进的自动化MNi检测,提高了准确性和效率.
- 用于人类生物监测的口腔微核细胞组 (BMCyt) 试验面临样本变异性和复杂评分的挑战.
研究的目的:
- 审查基于人工智能的MNi检测方法.
- 探索AI整合在人类生物监测BMCyt试验中的潜力.
- 为了解决当前BMCyt测定分析的局限性.
主要方法:
- 对人工智能驱动的微核检测方法的审查.
- 深度学习和计算机视觉技术的分析.
- 讨论AI在细胞遗传分析中的挑战和机遇.
主要成果:
- 人工智能显著提高了准确性,效率,并减少了MNi检测中的偏差.
- 在BMCyt测试中整合人工智能有潜力克服分析的局限性.
- 人工智能可以提高基因毒性评估的可复制性和吞吐量.
结论:
- 人工智能在人类生物监测中的BMCyt测定中具有显著的未开发潜力.
- 人工智能集成可以促进强大的,可扩展的基因组损伤监测.
- 通过人工智能增强BMCyt检测实用性将有利于大规模的流行病学研究.
