机器学习辅助数量化有机细胞丰富度
Alexander James Long1, Diogo Candeias2,3, Nicki Frederick Coveña4
1School of Biological Sciences, University of Southampton, Southampton, UK.
Bio-protocol
|March 13, 2026
概括
本研究引入了一种自动机器学习算法,用于使用显微镜量化有机细胞丰富度. 该工具标准化了有机细胞数量,面积和密度的分析,减少了细胞生物学研究中的用户偏见.
科学领域:
- 细胞生物学 细胞生物学
- 显微镜的使用方法
- 计算生物学 计算生物学
背景情况:
- 细胞器的丰富性对于理解细胞器的形成和功能至关重要.
- 使用共聚焦显微镜的当前量化方法依赖于用户定义的强度值,引入偏差和可变性.
- 需要自动化分析来标准化器官细胞量化.
研究的目的:
- 开发和介绍一种机器学习辅助的算法,用于自动化器官丰度量化.
- 为了标准化值选择,并最大限度地减少用户干预以显微镜为基础的器官细胞分析.
- 为了证明算法在各种器官类型和样本生物体中的实用性.
主要方法:
- 在开源的斐济平台上利用WEKA细分插件的机器学习.
- 开发了一种自动化的算法来从光强度量化有机细胞数量,面积和密度.
- 在样本数据集上训练算法,以应用于使用相同成像参数获取的图像.
主要成果:
- 成功自动化了有机细胞数量,面积和密度的量化.
- 已证明适用于膜结合的 (例如,过氧体) 和非膜结合的有机体 (例如,脂质滴,应激颗粒).
- 在人类细胞和整个鱼样中验证了该方法.
结论:
- 开发的算法提供了一种自动化,标准化和用户独立的方法来量化有机体丰富度.
- 这种开源工具提高了基于显微镜的有机体研究的可靠性和可重复性.
- 机器学习方法提供了一个强大的解决方案,用于分析不同的细胞区.
