Оптимизация анализа клеточного цикла с помощью правильных алгоритмов

Учёные из Helmholtz Zentrum München нашли новый подход, улучшающий идентификацию фаз клеточного цикла с использованием данных визуализирующей проточной цитометрии. Они смогли избежать применения красителей, используя алгоритмы машинного обучения. С помощью программного обеспечения для анализа изображений они извлекли сотни признаков из изображений в светлом и тёмном поле. Используя эти данные, они смогли создать алгоритмы для цифровой сортировки клеток.

До сих пор для определения фазы клеточного цикла использовались флуоресцентные красители. Эти химические вещества повреждают клетки и могут искажать результаты. Учёные из Helmholtz Zentrum München в сотрудничестве с Broad Institute of MIT and Harvard, Swansea University, Newcastle University и The Francis Crick Institute нашли альтернативу.

«Мы использовали два обычно игнорируемых источника данных: изображения в светлом и тёмном поле», — говорит Томас Блази, аспирант ICB и первый автор публикации. «Мы смогли использовать информацию в этих данных для машинного обучения». Этот подход позволяет не только классифицировать клетки, но и цифровым образом сортировать их с высокой специфичностью. На основе этих результатов Broad Institute и Helmholtz Zentrum München также подали предварительную патентную заявку.

«Компьютерная классификация клеток на основе больших популяций клеточных изображений открывает новые перспективы. Этот подход может быть использован во многих различных контекстах, а не только для анализа клеточного цикла», — добавляет проф. д-р д-р Фабиан Тейс, руководитель ICB.