D-CryptO：基于深度学习的亮场图像中结肠器官样体形态分析
摘要：干细胞衍生的器官样体是模拟人体组织的有希望工具，与传统的单层细胞基于的试验相比，它们在功能和结构上更接近人体器官。例如，结肠样体可以自发地发展出类似于天然结肠中的隐窝状结构。虽然分析器官样体的结构发展可以是有价值的结果，但使用传统的图像分析工具会变得困难，因为器官样体形态的异质性和抽象性。为了解决这个限制，我们开发并验证了一种基于深度学习的图像分析工具，名为D-CryptO，用于器官样体形态的分类。D-CryptO可以自动评估亮场图像中结肠样体的隐窝形成和不透明度，以确定器官样体结构成熟的程度。为了验证这个工具，在所传代器官样体和短期丙酮同样体刺激过程中分析了器官样体形态的变化。为了进一步展示D-CryptO在药物测试中的潜力，对器官样体结构进行了多种化疗药物治疗后的分析。通过D-CryptO，发现了结肠样体对不同化疗药物反应的微妙变化，这表明可能存在不同的作用机制。这个工具可以扩展到其他器官样体类型，如肠道样体，以促进三维组织形态学分析。
作者：Lyan Abdul, Jocelyn Xu, Alexander Sotra, Abbas Chaudary, Jerry Gao, Shravanthi Rajasekar, Nicky Anvari, Hamidreza Mahyar, and Boyang Zhang
论文ID：2210.06538
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2022-10-14