基于脂质UNet-机器学习的脂质沉积物使用iPSC衍生的视网膜色素上皮表征和定量脂质沉积物的方法

视网膜色素上皮（RPE）是位于眼睛后部的单层六角形细胞。它为光感受器和脉络膜毛细血管提供营养和支持，对感光器外段（POS）进行吞噬作用，并以极化方式分泌细胞因子以维持外视网膜的稳态。由突变、衰老和环境因素引起的功能失调的 RPE 会导致其他视网膜层退化并导致视力丧失。退化 RPE 的一个标志性表型特征是细胞内和亚细胞内富含脂质的沉积物。这些沉积物是不同视网膜退行性疾病的共同表型。为了在 体外重现单基因视网膜变性的脂质沉积表型，从患者的成纤维细胞中产生了诱导多能干细胞衍生的RPE（iRPE）。Stargardt和迟发性视网膜变性（L-ORD）患者产生的细胞系用POS喂养7天以复制RPE生理功能，这在这些疾病中引起了POS吞噬诱导的病理。为了生成年龄相关性黄斑变性（AMD）的模型，这是一种与替代补体激活相关的多基因疾病，iRPE受到替代补体过敏毒素的挑战。使用尼罗河红、硼-二吡咯甲烷（BODIPY）和载脂蛋白E（APOE）对细胞内和亚细胞脂质沉积物进行了表征。为了量化脂质沉积物的密度，开发了一种基于机器学习的软件LipidUNet。该软件在培养表面上对iRPE的最大强度投影图像进行了训练。将来，它将被训练来分析三维（3D）图像并量化脂滴的体积。LipidUNet软件将成为发现减少疾病模型中脂质积累的药物的宝贵资源。