אסטרטגיית למידת מכונה מבוססת תמונה של תאים חיים לניטור התמיינות תאי גזע פלוריפוטנטית

במחקר זה, המבוסס על תמונות של שדות בהירים של תאים חיים, פיתחנו אסטרטגיה, תוך רתימת מודלים שונים של למידת מכונה. אסטרטגיה זו יכולה לזהות שושלת תאים באופן לא פולשני, לווסת את תהליך ההתמיינות בזמן אמת ולמטב את פרוטוקול ההתמיינות, ולשפר את חוסר הפגיעות בהתמיינות תאים PSC לתפקוד. תאי גזע פלוריפוטנטיים מציגים את היכולת להתמיין לסוגים רבים של תאים במבחנה, אשר יכולים לשמש לטיפול תאי, מידול מחלות, ופיתוח תרופות.

אחת הבעיות העיקריות בייצור תאים שמקורם ב-PSC, היא חוסר היציבות בין קווי תאים ואצוות. זה מוביל לעתים קרובות ניסויים חוזרים מרובים, גוזל זמן משמעותי ועבודה. נכון לעכשיו, טכנולוגיות מיקרוסקופיות חדישות יכולות לתמוך ברכישת תמונות בהילוך ארוך טווח ובתפוקה גבוהה בתאים חיים.

בינתיים, שיטת למידת המכונה המתפתחת במהירות מיושמת יותר ויותר בניתוח תמונות תאי, אשר פותח אפשרויות לזהות מרכיבים תאיים ספציפיים או תמונות תאים במהלך התמיינות בתרבית תאים. יש לקוות ששיטה זו תוכל להיות מיושמת במערכות אינדוקציה סטנדרטיות אחרות של גורל התא כמו התמיינות אורגנואידים, התמיינות ישירה או תכנות תאי, במיוחד עבור מערכות לא יציבות הדורשות שלבים מרובים ומשרים מורכבים. כמו כן, האסטרטגיה שלנו תואמת לטכנולוגיות אחרות, אשר באופן מבטיח ניתן לשלב במערכת עצמית עצמית לולאה סגורה לעיבוד אוטומטי מלא של בידול PSC במבחנה.