D-CryptO：基于深度学习的明场图像结肠类器官形态分析
定量方法
2022-10-14 v1
摘要
干细胞来源的类器官是一种有前景的模拟原生人体组织的工具，因为与传统基于单层细胞的检测相比，它们在功能和结构上类似人体器官。例如，结肠类器官可自发形成类似于原生结肠中发现的隐窝样结构。虽然分析类器官的结构发育是一个有价值的读出指标，但由于类器官形态的异质性与抽象性，使用传统图像分析工具颇具挑战。为应对此局限，我们开发并验证了一种名为 D-CryptO 的基于深度学习的图像分析工具，用于类器官形态分类。D-CryptO 可从明场图像自动评估结直肠类器官的隐窝形成与不透明度，以确定类器官结构成熟的程。为验证该工具，我们在类器官传代与短期毛喉素刺激期间分析了类器官形态变化。为进一步展示 D-CryptO 用于药物测试的潜力，我们用一组化疗药物治疗后分析了类器官结构。借助 D-CryptO，检测到了结肠类器官对不同化疗药物反应的细微差异，这提示可能存在不同的作用机制。该工具可扩展至其他类器官类型（如肠类器官），以便利三维组织形态分析。
引用
@article{arxiv.2210.06538,
title = {D-CryptO: Deep learning-based analysis of colon organoid morphology from brightfield images},
author = {Lyan Abdul and Jocelyn Xu and Alexander Sotra and Abbas Chaudary and Jerry Gao and Shravanthi Rajasekar and Nicky Anvari and Hamidreza Mahyar and Boyang Zhang},
journal= {arXiv preprint arXiv:2210.06538},
year = {2022}
}
备注
Lab on a Chip (2022)