저자 스포트라이트: Enhancing PSC-to-Functional Cell Differentiation Using ML Models Based on Live-Cell Bright-field Imaging (라이브 셀 명시야 이미징 기반 ML 모델을 사용하여 PSC-기능성 세포 분화 향상)

이 연구에서는 라이브 셀 명시야 이미지를 기반으로 다양한 기계 학습 모델을 활용하는 전략을 개발했습니다. 이 전략은 세포 계통을 비침습적으로 식별하고, 분화 과정을 실시간으로 조절하고, 분화 프로토콜을 최적화하여 PSC-to-functional 세포 분화의 무적을 개선할 수 있습니다. 만능줄기세포는 체외에서 여러 유형의 세포로 분화할 수 있는 능력을 가지고 있으며, 이는 세포 치료, 질병 모델링 및 약물 개발에 사용될 수 있습니다.

PSC 유래 세포 생산의 주요 문제 중 하나는 세포주와 배치 간의 불안정성입니다. 이로 인해 여러 번의 반복적인 실험이 발생하여 상당한 시간과 노동력이 소모되는 경우가 많습니다. 현재 최첨단 현미경 기술은 살아있는 세포에서 장기간 타임랩스, 고처리량 이미지 획득을 지원할 수 있습니다.

한편, 빠르게 발전하는 머신 러닝 방법은 세포 이미지 분석에 점점 더 많이 적용되고 있으며, 이는 세포 배양에서 분화하는 동안 특정 세포 구성 요소 또는 세포 이미지를 인식할 수 있는 가능성을 열어주고 있습니다. 이 방법은 오가노이드 분화, 직접 형질전환 또는 세포 프로그래밍과 같은 표준화된 다른 세포 운명 유도 시스템, 특히 여러 단계와 복잡한 유도 인자가 필요한 불안정한 시스템에 적용될 수 있기를 바랍니다. 또한 당사의 전략은 다른 기술과 호환되며, 이는 시험관 내 PSC 분화의 완전 자동 처리를 위한 자체 적응 및 폐쇄 루프 시스템에 통합될 수 있습니다.