Per stabilire la strategia di apprendimento automatico o ML per gli stati iniziali delle colonie di PSC, preparare un set di dati di immagini in campo chiaro a zero ore o prima del trattamento CHIR e le immagini finali di fluorescenza cTNT. Quantificare l'efficienza di differenziazione di ciascun pozzetto in base all'indice di efficienza di differenziazione calcolato dalle immagini di fluorescenza cTNT. Quantificare i profili morfologici delle immagini in campo chiaro zero hour in base a caratteristiche ad alta dimensionalità che rivelano le proprietà della forma della colonia.
Dividi in modo casuale il set di dati in un set di addestramento e un set di test. Eseguire il training di un modello di regressione della foresta casuale nel set di addestramento per prevedere l'efficienza di differenziazione dalle funzionalità dell'immagine in campo chiaro a zero ore. Valutare il modello di foresta casuale sottoposto a training nel set di test.
Preparare un set di dati costituito da flussi di immagini in campo chiaro a pozzetti interi da zero a 12 ore e dalle corrispondenti dosi di CHIR, che sono le combinazioni di concentrazioni e durata di CHIR. In base ai criteri visualizzati, determinare l'intervallo di concentrazione CHIR basso, ottimale e alto in ciascuna durata CHIR in ciascun batch. In ogni durata, calcolare la concentrazione delta CHIR per ciascuna concentrazione per quantificarne la deviazione dall'ottimale.
Estrai le caratteristiche dei flussi di immagini nel set di dati. Per ogni durata CHIR, eseguire il training di un modello di regressione logistica per stimare l'etichetta di concentrazione CHIR dalle funzionalità del flusso di immagini nel set di training. Valutare le prestazioni di classificazione del modello di regressione logistica sottoposto a training nel set di test utilizzando accuratezza, precisione, richiamo, punteggio F1 e area sotto la curva.
Per valutare le prestazioni del modello nella valutazione della dose CHIR, nel set di test, unire le etichette previste di pozzi paralleli con la stessa concentrazione di CHIR utilizzando punteggi di deviazione che vanno da meno uno a uno. Utilizzando il coefficiente di correlazione di Pearson, confermare che i punteggi di deviazione previsti siano altamente correlati con la vera concentrazione di delta CHIR per ciascuna dose. Successivamente, applicare i modelli di regressione logistica addestrati per valutare le dosi di CHIR in nuovi batch.
Con la valutazione della dose di CHIR basata su modelli, i pozzetti di salvataggio al di sotto di ogni concentrazione di CHIR non ottimale si adattano di conseguenza, regolando la durata o la concentrazione del CHIR verso l'ottimale prima di 48 ore. Prepara un set di dati costituito da immagini in campo chiaro il sesto giorno e annota manualmente i CPC commessi da CM monitorando le cellule cTNT-positive nei flussi di immagini dal giorno 12 al sesto giorno. Ritaglia le immagini in campo chiaro e la corrispondente annotazione manuale dei CPC impegnati in CM in patch.
Etichetta le patch superiori o uguali al 30% dei CPC con commit di CM come positive e le patch senza CPC con commit di CM come negative. Addestra una rete neurale convoluzionale profonda, ResNeSt, per imparare a classificare queste patch. Utilizzare Grad-CAM per evidenziare le regioni che contribuiscono maggiormente all'inferenza di ResNeSt rappresentate dalle mappe di calore.
Unisci le mappe termiche binarizzate a livello di patch per ottenere le regioni CPC previste con commit CM, denominate CPC riconosciute dall'immagine o regioni IRCPC. Confrontare le regioni IRCPC con maschere annotate manualmente sul set di test utilizzando l'accuratezza, il punteggio F1, la precisione, il richiamo, la specificità e l'intersezione rispetto all'unione. Preparare un set di dati composto da immagini in campo chiaro di CM e le corrispondenti immagini a fluorescenza cTNT.
Addestra il modello pix2pix sul set di addestramento prima di applicare il modello addestrato sul set di test. Per purificare le CPC commesse con CM, utilizzare una sonda fotoattivabile non citotossica, un tracker cellulare a doppia attivazione 1 o DACT-1, per marcare selettivamente la regione non CPC. Dopo aver irradiato la regione non-CPC con una linea laser a 405 nanometri, rilevare le cellule marcate con DACT-1 utilizzando una linea laser a 561 nanometri.
Dopo aver selezionato le cellule dissociate, seminare le cellule selezionate in una piastra a 96 pozzetti rivestita di matrigel e coltivare i non-CPC marcati con DACT-1, gli IRCPC non marcati e le cellule del gruppo di controllo per sei giorni nel terreno.
