$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Myeloperoxidase المضادة للعدلات cytoplasmic الأجسام المضادة المرتبطة بهشاشة الأوعية الدموية (MPO-AAV) هو مرض المناعة الذاتية التي تؤدي إلى الفشل الكلوي من الإصابة الكبيبية المرضية مع موت الخلايا كبيرة وإطلاق حمض ديوكسي تريبونوكلليك (الحمض النووي)1,2. الحمض النووي يمكن تنشيط الجهاز المناعي من خلال العمل كإشارة الخطر. في ظل الظروف الصحية العادية، يوفر الموقع النووي للحمض النووي الحماية من التعرض للجهاز المناعي. الحمض النووي الذاتي الذي يتم تحريره خارج الخلية خلال العمليات المسببة للأمراض أو autoimmunity ينظر إليه من قبل الجهاز المناعي باعتباره الضرر proinflammatory قوية المرتبطة البروتين الذاتي الجزيئي (DAMP)3. يتم تحرير الحمض النووي الخلوي الإضافي (ecDNA) من الخلايا المحتضرة من خلال العديد من الآليات المتميزة التي تحكمها مسارات بيوكيميائية متميزة ، مثل المبرمج ، نخر العدلات العدلات تكوين فخ خارج الخلية (NETs) ، نخر أو pyroptosis4،5،6،,8.8
نحن وصف هنا أساليب لطخة وقياس ecDNA صدر من الخلايا المحتضرة في أقسام من البارافين ثابتة (FFPE) الكليتين من التجريبية المضادة MPO GN وخزعات الكلى من المرضى الذين يعانون من MPO-AAV9,10. توجد طرق متعددة للكشف عن تعميم الحمض النووي المزدوج (DsDNA) ومجمعات الحمض النووي من كل من المصل والبول ومن المختبرات11,12. هذه الطرق، على الرغم من دقة في تحديد كمية ecDNA، لا تحدد أين يتم تحرير ecDNA تشريحيا. هناك طرق تصف قياس محدد من ecDNA مثل موالف ل المبرمج وقياس حطام الخلية13،14. لا توجد طريقة تصف قياس ecDNA بلغت ذروتها من جميع أشكال موت الخلايا في الكلى FFPE حيث يحدث الضرر المرضي. وهذا أمر مهم لتحديد ما إذا كانت العلاجات العلاجية التجريبية وتطهير ecDNA من مواقع الإصابة المرضية في الجهاز المستهدف الفعلي.
إن الحصول على صور متعددة من عينات الكلى يخلق كمية كبيرة من البيانات التي يتم تحليلها بشكل شائع من قبل مستخدم واحد. هذا كثيف العمالة، تستغرق وقتا طويلا ويمكن أن تخضع لإعادة إنتاج لا يمكن الاعتماد عليها من قبل المستخدمين الآخرين، وذلك بسبب تحيز المستخدم. تجزئة Weka القابلة للتدريب هو برنامج إضافي مفتوح المصدر لـ ImageJ يستخدم أدوات متطورة للمعلومات الحيوية لتصنيف وحدات البكسل باستخدام خوارزميات التعلم الآلي15،16. هذا الأسلوب هو "تدريب" حيث أنه يتعلم من تصنيف المستخدم من شرائح من بكسل وتطبيق التصنيف الجديد المستفادة على الصور الأخرى. تعتمد هذه الطريقة على أدوات التحليل الشائعة ضمن برنامج ImageJ التي تستخدم "لتصنيف" كل بكسل في مقطع على أنه ينتمي إلى "فئة" معينة. بمجرد أن يتعلم البرنامج "المصنفات"، يمكن استخدامها لتحديد شرائح أخرى مصنفة مماثلة داخل نفس الصورة. ثم يتم حفظ هذا النموذج وتطبيقه على مجموعات أخرى من الصور ضمن نفس التجربة.
العقبات الحالية لتحديد ecDNA في الموقع في أقسام الكلى هو ذاتي endfluorescence الذاتية من التثبيت في formalin وتحليل العمالة الكثيفة من الصور. نحن نصف هنا كيفية إخماد هذا autofluorescence، والكشف عن ecDNA، واستخدام التعلم الآلي تحت إشراف لقياس الإنتاجية عالية من ecDNA. لقد سبق أن نشرنا قياس NETs وMPO خارج الخلية (ecMPO) باستخدام ماكرو في ImageJ ، ونحن الآن نبرهن شبه أتمتة هذه الأساليب باستخدام التعلم الآلي تحت إشراف1. نحن نبرهن على قدرة على التكيف مع أداة التعلم الآلي، لتصنيف بقعة بديلة لـ NETs و ecMPO داخل نفس الصورة. ويمكن ترجمة هذه الأساليب تلطيخ المذكورة هنا للكشف عن ecDNA، NETs وecMPO إلى الأجهزة الصلبة الأخرى والأمراض حيث ecDNA, NETS وecMPO يلعب دورا في إدامة المرض مثل التهاب المفاصل الروماتويدي والذئبة17,18.