Чтобы разработать стратегию машинного обучения или машинного обучения для начальных колоний PSC, подготовьте набор данных из изображений светлого поля в нулевое время или до обработки CHIR и окончательные флуоресцентные изображения cTNT. Количественно оцените эффективность дифференцировки каждой скважины с помощью индекса эффективности дифференцировки, рассчитанного на основе флуоресцентных изображений в кТнт. Количественно оцените морфологические профили изображений светлого поля нулевого часа с помощью высокоразмерных признаков, которые раскрывают свойства формы колонии.
Случайным образом разделите набор данных на обучающий и тестовый наборы. Обучите модель регрессии случайного леса на обучающем наборе, чтобы спрогнозировать эффективность дифференцировки по объектам яркого поля с нулевым часом. Оцените обученную модель случайного леса на тестовом наборе.
Подготовьте набор данных, состоящий из целых потоков светлопольных изображений в лунке через 0-12 часов и соответствующих доз CHIR, которые представляют собой комбинации концентраций и продолжительности CHIR. В соответствии с отображаемыми критериями определить низкий, оптимальный и высокий диапазон концентраций CHIR при каждой продолжительности CHIR в каждой партии. Для каждой длительности вычислите дельта-концентрацию CHIR для каждой концентрации, чтобы количественно оценить ее отклонение от оптимальной.
Извлечение особенностей потоков изображений в наборе данных. Для каждой длительности CHIR обучите модель логистической регрессии, чтобы спрогнозировать метку концентрации CHIR на основе объектов потока изображений в обучающем наборе. Оцените производительность классификации обученной модели логистической регрессии на тестовом наборе с помощью точности, точности, полноты, оценки F1 и площади под кривой.
Чтобы оценить эффективность модели при оценке дозы CHIR, в тестовом наборе объедините прогнозируемые метки параллельных скважин с одинаковой концентрацией CHIR с использованием оценок отклонения в диапазоне от минус один до одного. Используя коэффициент корреляции Пирсона, подтвердите, что прогнозируемые оценки отклонения сильно коррелируют с истинной дельта-концентрацией CHIR для каждой дозы. Затем примените обученные модели логистической регрессии для оценки доз CHIR в новых партиях.
С помощью оценки дозы CHIR на основе модели спасательные скважины при каждой субоптимальной концентрации CHIR соответственно, корректируя их продолжительность или концентрацию CHIR в сторону оптимальной до 48 часов. Подготовьте набор данных, состоящий из изображений в светлом поле, на шестой день и вручную аннотируйте CPC, зафиксированные CM, отслеживая cTNT-положительные клетки в потоках изображений с 12-го по шестой день. Обрежьте изображения в светлом поле и соответствующие ручные аннотации зафиксированных CMC CPC в патчи.
Патчи, превышающие или равные 30% зафиксированных CPC CM, помечаются как положительные, а патчи без зафиксированных CPC CM — как отрицательные. Обучите глубокую сверточную нейронную сеть ResNeSt, чтобы научиться классифицировать эти участки. Используйте Grad-CAM, чтобы выделить регионы, которые вносят наибольший вклад в вывод ResNeSt, представленный тепловыми картами.
Объедините бинаризованные тепловые карты на уровне патча, чтобы получить прогнозируемые регионы CPC, зафиксированные CM, которые называются областями CPC с распознаванием образов или IRCPC. Сравните области IRCPC с аннотированными вручную масками на тестовом наборе, используя точность, оценку F1, прецизионность, полноту, специфичность и пересечение через объединение. Подготовьте набор данных, состоящий из светлопольных изображений КМ и соответствующих флуоресцентных изображений cTNT.
Обучите модель pix2pix на обучающем наборе, прежде чем применять обученную модель к тестовому набору. Чтобы очистить ЦПК, зафиксированные в КМ, используйте нецитотоксический фотоактивируемый зонд, двойную активируемую клеточную систему трекера 1 или DACT-1, для селективной маркировки областей, не относящихся к ЦПК. После облучения области, не относящейся к CPC, лазерной линией с яркостью 405 нм, обнажите ячейки, меченные DACT-1, с помощью лазерной линии с яркостью 561 нм.
После сортировки диссоциированных клеток засейте отсортированные клетки в 96-луночный планшет, покрытый матригелем, и культивируйте меченные DACT-1 не-CPC, немеченые IRCPC и клетки контрольной группы в течение шести дней в среде.
