Испанские исследователи разработали систему компьютерного зрения, которая автоматически анализирует клетки
Новая система компьютерного зрения, разработанная исследователями Мадридского университета имени Карлоса III (UC3M), позволяет автоматически анализировать биомедицинские видеоролики, снятые с помощью микроскопии. Система характеризует и описывает поведение клеток на изображениях.
Недавно разработанная методика была использована для измерений на живых тканях, которые сделали ученые из Национального центра сердечно-сосудистых исследований. Благодаря этому исследованию команда обнаружила, что нейтрофилы, которые являются типом иммунных клеток, демонстрируют различное поведение в крови во время воспалительных процессов.
Кроме того, они обнаружили, что один из процессов связан с сердечно-сосудистыми заболеваниями. Исследование опубликовано в журнале Nature. Эти разработки могут позволить создать новые методы лечения для минимизации последствий сердечных приступов.
«Транскрипционное и протеомное профилирование отдельных клеток произвело революцию в интерпретации биологических явлений, предоставив клеточные ландшафты здоровых и больных тканей. Эти подходы, однако, не описывают динамические сценарии, в которых клетки постоянно меняют свои биохимические свойства и последующие «поведенческие» результаты. Здесь мы использовали живое изображение 4D для регистрации десятков и сотен морфокинетических параметров, описывающих динамику отдельных лейкоцитов в очагах активного воспаления», — говорится в исследовании.
Профессор Фернандо Диас де Мария является главой группы обработки мультимедиа UC3M и одним из авторов исследования.
«Наш вклад состоит в проектировании и разработке полностью автоматической системы, основанной на методах компьютерного зрения, которая позволяет нам характеризовать изучаемые клетки путем анализа видеозаписей, снятых биологами с использованием техники прижизненной микроскопии»
В то время как традиционные биологические исследования часто подтверждаются анализом нескольких сотен охарактеризованных вручную клеток, новое исследование включало автоматические измерения формы, размера, движений и положения нескольких тысяч клеток относительно кровеносного сосуда. Это позволяет выполнять расширенный биологический анализ, имеющий большую статистическую значимость.
Исследователи рассказали, что новая система имеет различные преимущества, когда речь идет как о времени, так и о точности. Иван Гонсалес Диас — доцент кафедры теории сигналов и связи в UC3M. Он также является одним из членов исследовательской группы.
«Невозможно месяцами заставлять опытного биолога сегментировать и отслеживать клетки на видео. С другой стороны, чтобы дать приблизительное представление (поскольку это зависит от количества ячеек и глубины 3D-объема), нашей системе требуется всего 15 минут для анализа 5-минутного видео»
Глубокие нейронные сети — инструменты, на которые полагаются эти инженеры для сегментации и обнаружения клеток, — в основном представляют собой алгоритмы, которые учатся на примерах, поэтому, чтобы развернуть систему в новом контексте, необходимо создать достаточное количество примеров для их обучения. Эти сети являются частью методов машинного обучения, которое, в свою очередь, является дисциплиной в области искусственного интеллекта (ИИ).
Кроме того, система включает в себя другие типы статистических методов и геометрических моделей, все из которых описаны в другой статье, недавно опубликованной в журнале Medical Image Analysis. Программное обеспечение, реализующее систему, универсально и может быть адаптировано к другим задачам за несколько недель.
«На самом деле мы уже применяем его в других различных сценариях, изучая иммунологическое поведение Т-клеток и дендритных клеток в раковых тканях. И предварительные результаты многообещающие»
«Проанализировав более 100 000 реконструкций форм и дорожек клеток с течением времени, мы получили поведенческие дескрипторы отдельных клеток и использовали эти многомерные наборы данных для построения поведенческих ландшафтов. Эти ландшафты распознали идентичность лейкоцитов в воспаленной коже и трахее и выявили континуум состояний нейтрофилов внутри кровеносных сосудов, включая большое сидячее состояние, которое было охвачено нижележащим эндотелием и связано с патогенным воспалением. Поведенческий скрининг у 24 мутантов мышей идентифицировал киназу Fgr как движущую силу этого патогенного состояния, а вмешательство в Fgr защищало мышей от воспалительного повреждения. Таким образом, поведенческие ландшафты сообщают об определенных свойствах динамической среды при высоком клеточном разрешении», — говорится в исследовании.
В любом случае, проводя исследования в этой области, исследователи подчеркивают важность работы междисциплинарной команды.
«В этом контексте важно признать предшествующие усилия по общению между биологами, математиками и инженерами, необходимые для понимания основных концепций других дисциплин, прежде чем можно будет добиться реального прогресса»