طريقة LipidUNet القائمة على التعلم الآلي لتوصيف وقياس رواسب الدهون باستخدام ظهارة صبغة الشبكية المشتقة من iPSC

ظهارة الشبكية الصبغية (RPE) هي طبقة أحادية من الخلايا السداسية الموجودة في الجزء الخلفي من العين. يوفر التغذية والدعم للمستقبلات الضوئية والشعيرات الدموية المشيمية ، ويؤدي البلعمة للأجزاء الخارجية للمستقبلات الضوئية (POS) ، ويفرز السيتوكينات بطريقة مستقطبة للحفاظ على توازن الشبكية الخارجية. يؤدي RPE المختل وظيفيا ، الناجم عن الطفرات والشيخوخة والعوامل البيئية ، إلى تنكس طبقات الشبكية الأخرى ويسبب فقدان البصر. السمة الظاهرية المميزة لتدهور RPE هي الرواسب الغنية بالدهون داخل الخلايا وشبه الخلوية. هذه الرواسب هي نمط ظاهري شائع عبر الأمراض التنكسية الشبكية المختلفة. لإعادة إنتاج النمط الظاهري لرواسب الدهون لتنكس الشبكية أحادي المنشأ في المختبر ، تم إنشاء RPE المستحث المشتق من الخلايا الجذعية متعددة القدرات (iRPE) من الخلايا الليفية للمرضى. تم تغذية خطوط الخلايا المتولدة من المرضى الذين يعانون من مرض Stargardt ومرض تنكس الشبكية المتأخر (L-ORD) بنقاط البيع لمدة 7 أيام لتكرار الوظيفة الفسيولوجية RPE ، والتي تسببت في علم الأمراض الناجم عن البلعمة POS في هذه الأمراض. لإنشاء نموذج للتنكس البقعي المرتبط بالعمر (AMD) ، وهو مرض متعدد الجينات مرتبط بتنشيط مكمل بديل ، تم تحدي iRPE مع السموم التأقانية التكميلية البديلة. تم توصيف رواسب الدهون داخل الخلايا وشبه الخلوية باستخدام أحمر النيل ، البورون ديبيروميثين (BODIPY) ، والبروتين الشحمي E (APOE). لتحديد كثافة رواسب الدهون ، تم تطوير برنامج قائم على التعلم الآلي ، LipidUNet. تم تدريب البرنامج على صور الإسقاط القصوى الكثافة ل iRPE على أسطح الثقافة. في المستقبل ، سيتم تدريبه على تحليل الصور ثلاثية الأبعاد (3D) وتحديد حجم قطرات الدهون. سيكون برنامج LipidUNet موردا قيما لاكتشاف الأدوية التي تقلل من تراكم الدهون في نماذج الأمراض.