نهج الذكاء الاصطناعي لتقييم سيليا الأولية

الطرق الحالية لتحليل أهداب كثيفة العمالة وعرضة للخطأ والتحيز. يسعى نهجنا إلى تبسيط الوقت والجهد مع تخفيف الأخطاء المحتملة. الميزة الرئيسية التي تقدمها هذه التقنية هي زيادة الدقة والتكرار وتحليل الصورة الكمية.

هذا النوع من النهج ليس فقط ذات الصلة لتحليل أهداب، ولكن يمكن تطبيقها على نطاق واسع على العديد من الأسئلة البيولوجية الخلية، بما في ذلك تلك التي تتعامل مع العضيات الأخرى والبروتينات الهيكل الخلوي. للبدء، افتح مجموعة بيانات التدريب، وحدد ملفا من القائمة، وانقر فوق استيراد التصدير وحدد إنشاء ملف ND من تسلسل الملف. حدد المجلد الذي يحتوي على مجموعة بيانات التدريب، وستفتح قائمة الملفات في وسط إطار الحوار.

تعريف تنظيم الملفات يدويا باستخدام خيار واحد على الأقل في القائمة المنسدلة. أدخل القيم الرقمية المطابقة ضمن كل خيار محدد وحدد لا شيء أينما لم يتم تحديد الخيارات. انقر فوق تحويل لفتح المستند ND.

لمعايرة الصورة، انقر بزر الماوس الأيمن على الخيار غير المقيد في الزاوية اليسرى السفلى من الصورة. انقر فوق معايرة المستند، ثم انقر فوق حجم البكسل، وأدخل القيمة وانقر فوق موافق. حدد عناصر التحكم في تحليل العرض، وفتح شريط الأدوات الثنائي، وحدد الكشف التلقائي أو رسم الكائن لتحديد أهداب اليد عن طريق تتبع الهياكل الوسطية الفردية بدقة على جميع الإطارات المفتوحة.

لتدريب الذكاء الاصطناعي، حدد nis. ai، انقر فوق جزء القطار. منظمة العفو الدولية لفتح الجزء القطار.

ai مربع ثم حدد القناة المصدر لاستخدامها للتدريب. حدد الثنائيات GroundTruth المناسبة لتدريب الذكاء الاصطناعي. حدد العدد المطلوب من التكرارات لتدريب الذكاء الاصطناعي اعتمادا على حجم ثنائي والتوزيع، ثم حدد المجلد الوجهة لحفظ ملف الذكاء الاصطناعي المدربين وانقر فوق القطار لتدريب البرنامج. تستغرق هذه العملية عدة ساعات.

فتح الصور confocal التجريبية من أهداب كما هو موضح من قبل عن طريق تحويل العينة. TIF الملفات إلى ملفات ND2. في النافذة المنبثقة، حدد عدة نقاط من القائمة المنسدلة الأولى وأدخل قيمة مطابقة لإجمالي عدد الصور.

في المربع المنسدل الثاني، حدد الطول الموجي وغير القيمة إلى إجمالي عدد القنوات في المجلد. سيقوم البرنامج تلقائيا بإلغاء قفل نافذة تحديد الطول الموجي ، الموجودة في الطرف السفلي الأيمن من النافذة المنبثقة. في إطار تحديد الطول الموجي، استخدم القائمة المنسدلة اللون لتحديد لون كل قناة.

قم بتزويد كل قناة باسم مختلف تحت عمود الاسم. بمجرد تحديث كافة المعلومات، انقر فوق تحويل. معايرة الصور كما هو موضح من قبل.

تأكد من أن حجم البكسل لمجموعة البيانات التجريبية يتوافق مع حجم مجموعة بيانات التدريب. تحديد أهداب على القناة الأولى باستخدام الذكاء الاصطناعي المدربين من الخطوة السابقة. افتح نيس.

ai من القائمة، حدد الجزء. ai، ثم حدد AC3 في قنوات المصدر. ثم تحديد أهداب على القناة الثانية عن طريق اختيار MCHR1 في القنوات المصدر.

سيقوم البرنامج برسم الثنائيات على أهداب المسمى. بعد ذلك تحقق من الصور لأي ثنائيات تم تحديدها بشكل خاطئ. حدد حذف الكائن في شريط الأدوات الثنائي لحذف الثنائيات التي تم تحديدها بشكل خاطئ يدويا.

وبمجرد تحديد أهداب وتقسيمها، وتحليل المعلمات أهداب مختلفة، مثل أطوال وكثافة، وذلك باستخدام أداة التحليل العام ثلاثة. حدد الصورة من القائمة وانقر على وصفة GA3 جديدة. سيتم فتح نافذة جديدة مع مساحة فارغة في المركز.

GA3 تلقائيا الكشف عن الثنائيات المسمى بشكل مناسب وفقا الذكاء الاصطناعي وتضمين العقدة المقابلة. كما سيقوم GA3 بالكشف تلقائيا عن القنوات الموجودة في الصور وعرض علامات التبويب الخاصة بها تحت القنوات. سيقوم الذكاء الاصطناعي بتقسيم جميع أهداب مثل الكائنات في الإطار والكشف عن أهداب غير مكتملة على طول حواف الإطار.

لإزالتها، حدد معالجة ثنائية، إزالة الكائنات، ثم اسحب عقدة الحدود اللمس إلى المساحة الفارغة وتوصيل العقدة الثنائيات المناسبة. لقياس طول الأهداب، حدد حجم كائن القياس، ثم الطول. اسحب المعلمة إلى الوسط وأسقطها ثم اتصل بالعقدة الثنائية المناسبة.

لقياس كثافة الأهداب، حدد بعض كثافة الجسم. اسحب المعلمة وأسقطها إلى الوسط وقم بالاتصال بالعقدة الثنائية المناسبة وقناة الاهتمام. في قائمة القياس، انتقل إلى قياس نسبة الكائن وحدد معامل ماندر لإعداد مسار التكسيد في GA3 عن طريق قياس تداخل قناتين داخل أهداب فردي.

اسحب وأسقط عقدة معامل Mander في المساحة الفارغة وقم بتوصيلها بالثنائي والقنوات المناسبة. ApEn القياسات والجدول المفرد عن طريق فتح قائمة إدارة البيانات. في الفئة الأساسية، حدد عمود ApEn ثم انقر فوق تشغيل الآن لقياس أهداب.

ستظهر كافة القياسات في جدول إخراج واحد. وتبين الصور التمثيلية أن الذكاء الاصطناعي المدربين على تحديد أهداب بشكل صحيح في المختبر في صور خلايا IMCD والثقافات الأولية تحت المهاد والثقافات فرس النهر، ولكن لا توجد هياكل أخرى غير السيليري مثل الجسور الخلوية. وتراوح طول الأهداب بين 0.5 و4.5 ميكرومتر في خلايا IMCD و2 إلى 12 ميكرومتر في ثقافة ما تحت المهاد وفرس النهر.

قام الذكاء الاصطناعي بقياس أطوال الأهداب المسماة AC3 في الجسم الحي في صور نواتنا القوسية ونواة البارافينترicular ومناطق كورنو أمونيس واحدة. ووفقا للتحليل، تراوحت الأهداب تحت المهاد في الجسم الحي بين واحد إلى 15 ميكرومتر، كما رأينا في القضبان البيضاء والبنية. في حين أن أهداب ومنطقة كورنو الأمونيس تراوحت بين 1-10 ميكرومتر، كما رأينا في القضبان الرمادية.

ومن المثير للاهتمام أن كثافة MCHR1 السيلاري كانت أقوى في النواة شبه البطينية من تلك الموجودة في النواة القوسية. وقد تم رسم كثافة MCHR1 ضد AC3 لقياس تداخلها. وكانت غالبية أهداب إيجابية لكلا علامات في حين أن بعض أهداب كانت إيجابية إما AC3 أو MCHR1.

لقياس حجم التكبر في MTHR1 داخل AC3، تم قياس معامل التداخل في Mander وكانت هناك زيادة كبيرة في التداخل في النواة شبه البطينية مما كانت عليه في النواة القوسية. لقياس الكثافة على طول أهداب، تم تعريف قطبية أهداب باستخدام Centrin2-GFP كعلامة الجسم القاعدية. هذا يسمح لتمييز قاعدة أهداب من نصائح من ARL13B-M أهداب الكرز إيجابية.

لوحظت تغيرات في كثافة ARL13B على طول أهداب حيث كانت كثافة ARL13B أعلى في القاعدة مما كانت عليه في طرف السيليوم في نواة أركويت ، التي شوهدت على اليسار ، وكذلك PVN ، كما رأينا على اليمين. عند تحليل البيانات باستخدام هذا النهج، من المهم التأكد من أن جودة ودقة مجموعة البيانات التجريبية تتسق مع تلك المستخدمة لتدريب الذكاء الاصطناعي. الأداة الرئيسية لهذا النهج هو بعد الكشف عن أهداب من قبل الذكاء الاصطناعي، يمكن للمستخدم أن تكون خلاقة حول الخصائص التي يتم تحليلها عن طريق تخصيص سير العمل تحليل متكاملة داخل البرنامج.