从显微镜数据进行时间一致的细胞周期阶段预测的深度学习方法

科学领域:

• 细胞生物学 细胞生物学
• 分子生物学分子生物学
• 生物成像是一种生物成像.

背景情况:

• 细胞周期包括调节的阶段 (G1,S,G2,M),对于细胞生长,DNA复制和分裂至关重要.
• 鉴定细胞周期阶段通常需要特定的标记物,这可能会干扰成像分析中的其他实验报告者.

研究的目的:

• 开发一种从常用的DNA光记者推断细胞周期阶段的方法,绕过专门的细胞周期标记物的需求.
• 为了使高含量查数据集中的细胞周期分析能够实现,这些数据集最初不是为此目的而设计的.

主要方法:

• 开发了一个变化自动编码器 (VAE) 模型,称为CC-VAE.
• 通过辅助任务增强了VAE:预测相位特异标记强度,并通过隐性空间规范化强制执行时间一致性.
• 该模型是在标有HeLa Kyoto核图像的大数据集上进行训练和验证的.

主要成果:

• CC-VAE 准确地分类细胞周期阶段,仅使用像SiR-DNA这样的标准DNA标记物.
• 该方法有效地绕过了需要额外的,可能会干扰的,相位特定的光标记物的需求.
• 该模型显示了高精度和适用于各种高内容选数据集的应用性.

结论:

• 在生物成像中,CC-VAE为细胞周期阶段的确定提供了实用和高效的解决方案.
• 这种方法扩大了现有的实验设置用于细胞循环分析的实用性,而不需要专门的试剂.
• 开发的模型和相关数据集促进了细胞循环研究和高含量查方面的进步.