面向人类iPSC重编程成功的早期预测
计算机视觉与模式识别
2023-11-14 v2
摘要
本文介绍了在自动化早期预测人类诱导多能干细胞（iPSCs）重编程成功与否方面的进展，iPSCs是再生细胞疗法的潜在来源。iPSC重编程成功率极低，约为 到 ，使得生成稳定的iPSC细胞系耗时费力且极其昂贵。因为这需要培养数百万个细胞并对多个克隆进行密集的生物学审查以鉴定出单个最优克隆。因此，在多能性早期阶段可靠地预测哪些细胞可能建立为最优iPSC细胞系，将是使该方法成为个性化疗法的实用且经济高效途径的突破性进展。细胞外观随时间变化的时间信息对于预测其未来生长结果至关重要。为生成该数据，我们首先使用超高分辨率显微镜对培养中的iPSCs进行连续延时成像。然后，我们在能够进行可靠人工识别的后期图像中标注细胞的位置与身份。接着，我们使用半自动追踪系统将这些标签随时间向后传播，以获得生长早期阶段的标签。最后，我们利用该数据训练深度神经网络以执行自动细胞分割与分类。我们的代码和数据可在 https://github.com/abhineet123/ipsc_prediction 获取。
引用
@article{arxiv.2305.14575,
title = {Towards Early Prediction of Human iPSC Reprogramming Success},
author = {Abhineet Singh and Ila Jasra and Omar Mouhammed and Nidheesh Dadheech and Nilanjan Ray and James Shapiro},
journal= {arXiv preprint arXiv:2305.14575},
year = {2023}
}
备注
Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2023:014