استراتيجية التعلم الآلي القائمة على الصور الحية لمراقبة تمايز الخلايا الجذعية متعددة القدرات

في هذه الدراسة ، بناء على صور المجال الساطع للخلايا الحية ، قمنا بتطوير استراتيجية ، تسخير نماذج التعلم الآلي المختلفة. يمكن لهذه الإستراتيجية تحديد سلالة الخلية بشكل غير جراحي ، وتعديل عملية التمايز في الوقت الفعلي ، وتحسين بروتوكول التمايز ، وتحسين الحصانة في تمايز PSC إلى الخلايا الوظيفية. تقدم الخلايا الجذعية متعددة القدرات القدرة القدرة على التمايز إلى أنواع عديدة من الخلايا في المختبر ، والتي يمكن استخدامها للعلاج بالخلايا ونمذجة الأمراض وتطوير الأدوية.

واحدة من المشاكل الرئيسية في إنتاج الخلايا المشتقة من PSC ، هي عدم الاستقرار بين خطوط الخلايا والدفعات. غالبا ما يؤدي إلى تجارب متكررة متعددة ، وتستهلك وقتا وعمالا كبيرين. في الوقت الحالي ، يمكن للتقنيات المجهرية الحديثة أن تدعم الحصول على الصور ذات الفاصل الزمني طويل الأجل وعالية الإنتاجية على الخلايا الحية.

وفي الوقت نفسه ، يتم تطبيق طريقة التعلم الآلي سريعة التطور بشكل متزايد في تحليل الصور الخلوية ، مما يفتح إمكانيات للتعرف على مكونات خلوية معينة أو صور خلوية أثناء التمايز في زراعة الخلايا. نأمل أن يتم تطبيق هذه الطريقة على أنظمة تحريض مصير الخلية الأخرى الموحدة مثل التمايز العضوي أو التمايز المباشر أو البرمجة الخلوية ، خاصة بالنسبة للأنظمة غير المستقرة التي تتطلب خطوات متعددة ومحفزات معقدة. أيضا ، تتوافق استراتيجيتنا مع التقنيات الأخرى ، والتي يمكن دمجها بشكل واعد في نظام ذاتي التكيف والحلقة المغلقة للمعالجة التلقائية الكاملة لتمايز PSC في المختبر.