一种基于活细胞图像的机器学习策略，用于监测多能干细胞分化

在这项研究中，基于活细胞明场图像，我们开发了一种策略，利用不同的机器学习模型。该策略可以无创地识别细胞谱系，实时调节分化过程，并优化分化方案，提高 PSC 到功能细胞分化的无敌性。多能干细胞具有在体外分化成多种类型细胞的能力，可用于细胞治疗、疾病建模和药物开发。

PSC 衍生细胞生产的主要问题之一是细胞系和批次之间的不稳定性。它通常会导致多次重复实验，消耗大量时间和人力。目前，最先进的显微技术可以支持对活细胞进行长期延时、高通量的图像采集。

与此同时，快速发展的机器学习方法越来越多地应用于细胞图像分析，这为在细胞培养过程中识别特定细胞成分或细胞图像提供了可能性。这种方法有望应用于标准化的其他细胞命运诱导系统，如类器官分化、直接转分化或细胞编程，特别是对于需要多个步骤和复杂诱导剂的不稳定系统。此外，我们的策略与其他技术兼容，这些技术有望集成到自适应和闭环系统中，用于体外 PSC 分化的全自动处理。