УЧЁНЫЕ РАЗРАБАТЫВАЮТ АЛГОРИТМ ДЛЯ АНАЛИЗА КУЛЬТУРЫ КЛЕТОК HeLa

Доктор Кефа Карабаг и доктор Константино Карлос Рейес-Альдасоро объединились с центром биомедицинских исследований в Лондоне Francis Crick Institute, чтобы подготовить и проанализировать клетки HeLa в рамках исследовательского проекта, результаты которого были опубликованы в октябрьском выпуске журнала PLoS ONE под заголовком «Семантическая сегментация клеток HeLa: объективное сравнение традиционного алгоритма и четырёх архитектур глубокого обучения».

Линия клеток HeLa была выделена в 1951 году из биопсийного материала особенно агрессивной формы рака шейки матки, которым страдала тридцатилетняя афроамериканка, мать пятерых детей, Генриетта Лакс. Она лечилась от этой болезни под надзором доктора Джорджа Гэя в Госпитале Джонса Хопкинса в Балтиморе, США.

Команда исследователей подготовила клеточную линию HeLa и наблюдала за ней, используя электронную микроскопию (ЭМ), которая способна получать десятки тысяч наборов данных, объём которых может превышать несколько гигабайт за месяц.

Часть исследования учёных требует идентификации ядер этих клеток, что является сложной задачей, на выполнение которой специалисту может потребоваться около недели.

Доктор Кефа Карабаг и доктор Константино Карлос Рейес-Альдасоро разработали вычислительный метод, способный решить эту задачу за считанные минуты с минимальными затратами, благодаря определённому алгоритму. Он состоит из нескольких этапов обработки, в ходе которых выделяются определённые особенности ядра клетки и окружающей её мембраны, что позволяет окончательно идентифицировать их.

Основные результаты работы команды:

— Проведено объективное сравнение пяти стратегий семантической сегментации: одной с традиционной обработкой изображений и четырёх с использованием алгоритма глубокого обучения.

— Эти стратегии сравнивались с помощью семантической сегментации ядра, ядерной оболочки, клетки и фона трёхсот срезов клетки HeLa, наблюдаемых с помощью ЭМ.

— Открытый исходный код для всех стратегий сегментации был доступен через GitHub. Программирование выполнялось в пакете программ Matlab (The Mathworks, Natick, USA).

— Четырёхклассовые обучающие данные для алгоритмов глубокого обучения для 300 срезов были созданы и выложены в доступ в Zenodo. Данные ЕМ доступны через EMPIAR.

Новый алгоритм направлен на ускорение процесса изучения клеток и исследований в данной области, что также облегчит работу над разработкой лекарств..

Источник: journals.plos.org

Комментарии: