Um die Strategie des maschinellen Lernens oder der ML für die anfänglichen PSC-Koloniezustände zu etablieren, bereiten Sie einen Datensatz mit Hellfeldbildern bei null Stunden oder vor der CHIR-Behandlung und die endgültigen cTNT-Fluoreszenzbilder vor. Quantifizieren Sie die Differenzierungseffizienz jedes Wells durch den Differenzierungseffizienzindex, der aus den cTNT-Fluoreszenzbildern berechnet wird. Quantifizieren Sie die morphologischen Profile von Null-Stunden-Hellfeldbildern durch hochdimensionale Merkmale, die die Eigenschaften der Form der Kolonie offenbaren.
Unterteilen Sie das Dataset nach dem Zufallsprinzip in einen Trainingssatz und einen Testsatz. Trainieren Sie ein Random-Forest-Regressionsmodell mit dem Trainingssatz, um die Differenzierungseffizienz von Null-Stunden-Hellfeldbild-Features vorherzusagen. Werten Sie das trainierte Random Forest-Modell im Testsatz aus.
Bereiten Sie einen Datensatz vor, der aus Hellfeld-Bildströmen der gesamten Vertiefung bei null bis 12 Stunden und den entsprechenden CHIR-Dosen besteht, die die Kombination aus CHIR-Konzentrationen und Dauer darstellen. Bestimmen Sie gemäß den angezeigten Kriterien den niedrigen, optimalen und hohen CHIR-Konzentrationsbereich unter jeder CHIR-Dauer in jeder Charge. Berechnen Sie unter jeder Dauer die Delta-CHIR-Konzentration für jede Konzentration, um ihre Abweichung vom Optimum zu quantifizieren.
Extrahieren Sie Funktionen der Bildstreams im Dataset. Trainieren Sie für jede CHIR-Dauer ein logistisches Regressionsmodell, um das CHIR-Konzentrationslabel aus den Bildstrom-Features im Trainingssatz vorherzusagen. Bewerten Sie die Klassifizierungsleistung des trainierten logistischen Regressionsmodells auf dem Testsatz anhand von Genauigkeit, Präzision, Abruf, F1-Bewertung und Fläche unter der Kurve.
Um die Modellleistung bei der CHIR-Dosisbewertung zu bewerten, führen Sie im Testsatz die vorhergesagten Markierungen paralleler Wells mit derselben CHIR-Konzentration unter Verwendung von Abweichungswerten von minus eins bis eins zusammen. Bestätigen Sie unter Verwendung des Pearson-Korrelationskoeffizienten, dass die vorhergesagten Abweichungswerte stark mit der wahren Delta-CHIR-Konzentration für jede Dosis korrelieren. Wenden Sie als Nächstes die trainierten logistischen Regressionsmodelle an, um die CHIR-Dosen in neuen Chargen zu bewerten.
Mit der modellbasierten CHIR-Dosisabschätzung können Rescue-Wells unter jeder suboptimalen CHIR-Konzentration entsprechend gerettet werden, indem ihre CHIR-Dauer oder -Konzentration vor 48 Stunden in Richtung Optimum angepasst wird. Bereiten Sie am sechsten Tag einen Datensatz vor, der aus Hellfeldbildern besteht, und annotieren Sie CM-gebundene CPCs manuell, indem Sie die cTNT-positiven Zellen in den Bildströmen von Tag 12 bis zum sechsten Tag verfolgen. Schneiden Sie die Hellfeldbilder und die entsprechende manuelle Annotation von CM-gebundenen CPCs in Patches zu.
Markieren Sie Patches größer oder gleich 30 % der CM-zugesicherten CPCs als positiv und Patches ohne CM-zugesicherte CPCs als negativ. Trainieren Sie ein tiefes neuronales Faltungsnetz, ResNeSt, um zu lernen, diese Patches zu klassifizieren. Verwenden Sie Grad-CAM, um die Regionen hervorzuheben, die am meisten zur Inferenz von ResNeSt beitragen, die durch Heatmaps dargestellt werden.
Führen Sie die binarisierten Heatmaps auf Patch-Ebene zusammen, um die vorhergesagten CM-zugesicherten CPC-Regionen zu erhalten, die als imaged-recognized CPC- oder IRCPC-Regionen bezeichnet werden. Vergleichen Sie die IRCPC-Regionen mit manuell annotierten Masken im Testsatz anhand von Genauigkeit, F1-Ergebnis, Präzision, Erinnerung, Spezifität und Schnittmenge über Vereinigung. Bereiten Sie einen Datensatz vor, der aus Hellfeldbildern von CMs und den entsprechenden cTNT-Fluoreszenzbildern besteht.
Trainieren Sie das pix2pix-Modell auf dem Trainingssatz, bevor Sie das trainierte Modell auf den Testsatz anwenden. Zur Aufreinigung der CM-gebundenen CPCs verwenden Sie eine nicht-zytotoxische photoaktivierbare Sonde, den dual-aktivierbaren Zelltracker 1 oder DACT-1, um Nicht-CPC selektiv zu markieren. Nachdem Sie den Nicht-CPC-Bereich mit einer 405-Nanometer-Laserlinie bestrahlt haben, detektieren Sie die DACT-1-markierten Zellen mit einer 561-Nanometer-Laserlinie.
Nach dem Sortieren der dissoziierten Zellen werden die sortierten Zellen in eine Matrigel-beschichtete 96-Well-Platte gesät und DACT-1-markierte Nicht-CPCs, unmarkierte IRCPCs und die Zellen der Kontrollgruppe sechs Tage lang in dem Medium kultiviert.
