NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Mikroglial hücreler, beyindeki yıkıcı olaylara hızla tepki veren beyine özgü makrofajlardır. Mikroglial aktivasyon, proliferasyon, morfolojik değişiklikler, hakaret bölgesine göç ve gen ekspresyon profillerinde değişiklikler de dahil olmak üzere belirli değişikliklere yol açar. İnflamatuvar durumdaki bir değişiklik, Parkinson hastalığı ve Alzheimer hastalığı gibi birçok nörodejeneratif hastalıkla ilişkilendirilmiştir. Bu nedenle, mikroglial hücrelerin araştırılması ve nicelenmesi, hastalık ilerlemesindeki rollerinin daha iyi anlaşılmasının yanı sıra bu tür koşullar için yeni terapötik yaklaşımların sitokompatisitesini değerlendirmek için gereklidir. Sonraki çalışmada mikroglial hücrelerin hızlı ve otomatikleştirilmiş nicelemeleri için makine öğrenimine dayalı bir yaklaşım uyguladık; bu araç manuel niceleme (yer gerçeği) ve eşik tabanlı ImageJ ve makine öğrenimi tabanlı Ilastik gibi alternatif ücretsiz yazılımlarla karşılaştırıldı. İlk olarak mikroglia için etiketlenmiş fareler ve insan olmayan primat immünohistokimyasal olarak elde edilen beyin dokusu üzerindeki algoritmaları eğittik. Daha sonra Parkinson hastalığının klinik öncesi bir kemirgen modelinde eğitilmiş algoritmaların doğruluğunu doğruladık ve farelerden elde edilen doku üzerindeki algoritmaların sağlamlığını ve üç işbirliği laboratuvarı tarafından sağlanan görüntülerden gösterdik. Sonuçlarımız, makine öğrenimi algoritmalarının, üç memeli türündeki mikroglial hücreleri kesin bir şekilde tespit edip nicelleştirebileceğini, elle saymayı takiben gözlemlenene eşit olduğunu göstermektedir. Bu aracı kullanarak, hemisferler arasındaki küçük değişiklikleri tespit edip nicelleştirebildik ve algoritmanın gücünü ve güvenilirliğini öne sürdük. Böyle bir araç, hastalık gelişiminde mikroglial yanıtın araştırılmasında ve beyni hedef alan uyumlu yeni terapötiklerin araştırılmasında çok yararlı olacaktır. Tüm ağ ağırlıkları ve etiketli eğitim verileri hazır hale getirildikçe, adım adım kullanıcı kılavuzumuzla birlikte, birçok laboratuvarın araştırmalarında mikroglial hücrelerin makine öğrenimine dayalı nicelemesini uygulayacağını öngörüyoruz.
Özgün kaynak özetini okuyun
Microglial cells are brain-specific macrophages that swiftly react to disruptive events in the brain. Microglial activation leads to specific modifications, including proliferation, morphological changes, migration to the site of insult, and changes in gene expression profiles. A change in inflammatory status has been linked to many neurodegenerative diseases such as Parkinson's disease and Alzheimer's disease. For this reason, the investigation and quantification of microglial cells is essential for better understanding their role in disease progression as well as for evaluating the cytocompatibility of novel therapeutic approaches for such conditions. In the following study we implemented a machine learning-based approach for the fast and automatized quantification of microglial cells; this tool was compared with manual quantification (ground truth), and with alternative free-ware such as the threshold-based ImageJ and the machine learning-based Ilastik. We first trained the algorithms on brain tissue obtained from rats and non-human primate immunohistochemically labelled for microglia. Subsequently we validated the accuracy of the trained algorithms in a preclinical rodent model of Parkinson's disease and demonstrated the robustness of the algorithms on tissue obtained from mice, as well as from images provided by three collaborating laboratories. Our results indicate that machine learning algorithms can detect and quantify microglial cells in all the three mammalian species in a precise manner, equipotent to the one observed following manual counting. Using this tool, we were able to detect and quantify small changes between the hemispheres, suggesting the power and reliability of the algorithm. Such a tool will be very useful for investigation of microglial response in disease development, as well as in the investigation of compatible novel therapeutics targeting the brain. As all network weights and labelled training data are made available, together with our step-by-step user guide, we anticipate that many laboratories will implement machine learning-based quantification of microglial cells in their research.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.