Новая система ИИ прогнозирует выход мышечных стволовых клеток из iPS-клеток с помощью визуализации

Исследователи разработали неразрушающую систему визуализации и машинного обучения, которая точно предсказывает эффективность дифференцировки стволовых клеток в мышечные стволовые клетки. Работу возглавил доцент Хидэтоси Сакураи при сотрудничестве с Epistra Inc. Исследование опубликовано в Scientific Reports.

Человеческие iPS-клетки обладают большим потенциалом для регенеративной медицины благодаря способности дифференцироваться практически во все типы клеток организма. Среди стратегий дифференцировки широко используется направленная дифференцировка, так как она избегает генетических манипуляций и имитирует естественные процессы развития. Однако такие протоколы часто страдают от низкой воспроизводимости и требуют длительных периодов индукции, что затрудняет оптимизацию условий и ранний отбор качественных образцов.

Новая система решает эту проблему, сочетая фазово-контрастную микроскопию с машинным обучением для прогнозирования конечной эффективности дифференцировки iPS-клеток в мышечные стволовые клетки (MuSCs) — ключевой тип клеток для лечения мышечных дистрофий.

Для разработки системы команда использовала ранее установленный протокол индукции MuSCs и собрала более 5500 фазово-контрастных изображений из 34 лунок в период с 14 по 38 день дифференцировки. С помощью быстрого преобразования Фурье (FFT) они извлекли морфологические признаки из изображений и обучили классификатор на основе случайного леса для прогнозирования процента MYF5-положительных клеток — маркера успешной дифференцировки MuSCs — на 82-й день.

Система продемонстрировала высокую точность прогноза, особенно при использовании изображений с 24-го дня для выявления низкоэффективных образцов и с 31-го или 34-го дня для выявления высокоэффективных.

Биологическая валидация подтвердила прогнозы, основанные на визуализации. Уровни экспрессии генов и белков миогенных маркеров, таких как MYH3 и MYOD1, на 38-й день показали сильную корреляцию с конечными результатами дифференцировки. Иммуноцитохимия подтвердила, что образцы с более высокой экспрессией этих маркеров давали больше MYF5-положительных клеток. Классификатор сократил долю низкокачественных образцов на 43,7% и увеличил выход высококачественных на 72%, что демонстрирует его практическую ценность для оптимизации производства клеток.

Ключевое преимущество системы — её неинвазивность, она не требует разрушающих анализов, которые обычно трудоёмки и непригодны для мониторинга в реальном времени. Позволяя проводить раннюю и объективную оценку потенциала дифференцировки, этот метод предлагает мощный инструмент для повышения воспроизводимости и эффективности протоколов на основе iPS-клеток. Он также сокращает временные, материальные и трудовые затраты, связанные с долгосрочным культивированием и анализом клеток, что делает его применимым как в исследованиях, так и в клиническом производстве.

Исследование подчёркивает потенциал применения машинного обучения для анализа изображений в исследованиях и производстве стволовых клеток. Команда планирует изучить применимость этого подхода к другим системам дифференцировки, что может ускорить разработку клеточных терапий для широкого спектра заболеваний и внести вклад в развитие регенеративной медицины.