在暴露于环境风险的斑马鱼幼虫中对炎症反应的AATE-UNet自动评估
Jiaqi Yang1, Lulu Xu2, Zhenglin Chen3
1Department of Cardiology, Mianyang Central Hospital, Mianyang 621000, China; State Key Laboratory of Urban Water Resource and Environment, Shenzhen Key Laboratory of Organic Pollution Prevention and Control, School of Eco-Environment, Harbin Institute of Technology (Shenzhen), Shenzhen 518055, PR China; Tianfu Institute of Research and Innovation, Southwest University of Science and Technology, Chengdu 610000, China.
Ecotoxicology and environmental safety
|February 28, 2026
概括
这项研究介绍了AATE-UNet,这是一个自动化的深度学习模型,用于在斑马鱼幼虫中快速准确地计算中性粒细胞,显著改善了毒理学和环境风险评估.
科学领域:
- 毒理学 毒理学 毒理学
- 生物医学成像技术 生物医学成像技术
- 机器学习 机器学习
背景情况:
- 在斑马鱼中手动计数中性粒细胞是劳动密集型和主观的.
- 准确评估炎症反应对于药物/化品毒理学和环境风险评估至关重要.
- 现有的方法阻碍了高通量分析.
研究的目的:
- 开发一种自动化的深度学习模型,用于对斑马鱼炎症的高通量图像分析.
- 为了精确量化中性粒细胞数量和炎症反应.
- 为客观的毒性评估建立一个用户友好的工具.
主要方法:
- 开发AATE-UNet深度学习架构的开发.
- 斑马鱼解剖区域的自动细分 (黄囊,脊髓).
- 对中性粒细胞迁移和炎症标记物的定量分析 (qPCR).
主要成果:
- 与手动计数相比,AATE-UNet在中性粒细胞量化中取得了90%的准确性,误差为<10%.
- 每个样本的处理时间从~1小时减少到<5分钟.
- 污染物暴露表明炎症性细胞因子 (IL-1β,IL-6,IL-10,TNF-α) 的调节失调.
结论:
- AATE-UNet模型为斑马鱼炎症评估提供了一个客观,准确和高效的方法.
- 这种用户友好的可执行文件有助于在毒性和环境风险评估中广泛应用.
- 该框架为环境安全评估建立了可操作的指标.
