利用成像流式细胞术与人工智能实现微核试验的自动化

采用成像流式细胞术进行微核试验可克服传统方法的诸多局限性，包括通量低、评分变异性大以及缺乏对事件的可视化确认。该技术的主要优势在于，所有关键事件均可通过成像流式细胞术获取，并利用人工智能进行分析。该方法有望用于化学品及其他化合物的大规模毒性筛查，其通量高于目前可用的技术水平。

构建新的AI模型时，主要挑战是获取足够数量的含有微核的细胞图像，因此使用图像标注算法非常重要。首先，启动人工智能（AI）软件。在“实验类型”下，单击“训练”旁边的单选按钮，以开始训练实验，用于构建卷积神经网络（CNN）模型，然后单击“下一步”。

在“类别名称”中，点击“添加”。在弹出窗口中输入“单核”，然后点击“确定”，将单核类别添加到类别名称列表中。重复此过程以添加其他类别名称，例如带微核的单核、双核、带微核的双核、多核以及不规则形态。

在“选择文件”中，单击“添加文件”，浏览并选择要添加到人工智能软件中的目标文件，以构建真实数据。接下来，在“选择基础群体”界面中，从群体层级中找到非凋亡群体。然后右键单击非凋亡群体，选择“选中所有匹配的群体”，并单击“下一步”。

为了为带有微核的单核细胞标记真实群体，点击左侧“模型类别”下的“带微核的单核细胞”类别，然后点击右侧相应的已标记真实细胞群体。当所有适当的真实群体均完成分配后，点击“下一步”。在“选择通道”界面，请确保已选中该实验对应的适当通道。

此处，选择明场或 BF 作为通道一，DNA 通道选择第七通道，然后点击下一步。最后，在确认界面点击创建实验。点击标记以启动标记工具界面。

然后点击缩放工具以裁剪图像，便于查看。点击滑动条调整图像大小，并确定画廊中显示的图像数量。点击“显示设置”选项，选择“min-max”，以获得最佳对比度的图像，便于识别所有关键事件。

接下来，点击“设置图库显示”以将 DNA 图像的颜色更改为黄色或白色，这将有助于更好地观察微小物体。点击“聚类”以运行算法，将形态相似的图像分组。聚类完成后，点击各个聚类，开始将图像分配至相应的模型类别。

当每个模型类别至少分配了 25 个对象后，预测算法即可使用。单击“预测”。预测算法运行完成后，将预测类别中的对象添加到相应的模型类别中。

当每个模型类别至少分配了100个对象后，点击屏幕顶部的“Training”（训练）选项卡，然后点击“Train”（训练）按钮。模型训练完成后，点击“View Results”（查看结果）以评估模型的准确性。模型训练结束后，点击菜单按钮以定义新的实验。

在“实验类型”下，单击“分类”旁边的单选按钮以开始分类实验，然后单击“下一步”。单击要用于分类的模型，然后单击“下一步”。在“选择文件”界面，单击“添加文件”。

浏览需要由CNN模型进行分类的文件，然后点击“下一步”。接下来，在“选择基础群体”界面中，点击已加载文件中“非凋亡群体”旁边的复选框。右键点击“非凋亡群体”，选择“选中所有匹配的群体”，以从所有已加载的文件中选择该群体，然后点击“下一步”。

在“选择通道”界面，确认通道一已选中用于明场，通道七已选中用于DNA染色，然后点击下一步。最后，在确认界面点击“创建实验”。AI软件将加载所选模型以及所选数据文件中的所有图像。

加载完成后，点击“完成”。接下来，点击“分类”以启动分类界面，并使用复选框选择使用随机森林（Random Forest 或 RF）或 CNN。

然后点击“分类”按钮。这将开始使用随机森林（RF）和卷积神经网络（CNN）模型对附加数据进行分类，并识别出属于指定模型类别的所有对象。分类完成后，点击“查看结果”。

单击“更新DAFs”按钮，弹出“使用分类结果更新DAFs”窗口，然后单击“确定”以更新DAF文件。要生成报告，请在结果界面单击“生成报告”。如果需要为每个输入的DAF生成单独的报告，请选中“为每个输入DAF创建报告”旁边的复选框。

否则，只需点击“确定”即可生成报告。人工智能辅助的聚类算法会根据未分类对象以及已分配至真实模型类别的对象的形态特征，将同一片段内形态相似的对象归为一组。包含单核细胞的聚类位于对象图的一侧，而多核细胞则位于另一侧。

双核细胞簇位于单核与多核细胞簇之间。最后，具有不规则形态的细胞簇则分布在对象图的不同区域。在识别图像中细微形态方面，predict 算法比 cluster 算法更具鲁棒性。

例如，含有微核的单核细胞与不含微核的单核细胞。可通过多种工具评估模型性能，包括类别分布直方图、准确率统计值以及交互式混淆矩阵。在类别分布直方图中，真实值与预测值之间的百分比越接近，表明模型越准确。在准确率统计中，这些指标越接近100%，说明模型对各类别事件的识别能力越强。

最后，交互式混淆矩阵显示了模型对事件分类错误的位置。通过显微镜检测微核百分比来衡量遗传毒性，其中甘露醇、依托泊苷和丝裂霉素C在经3小时暴露和24小时恢复后，分别采用细胞松弛素B法和非细胞松弛素B法进行检测，结果以空心柱状图表示；人工智能分析结果则以点状柱状图表示。在创建训练实验时，需确保加载的数据包含来自阳性和阴性对照样本的图像。

微核较为罕见，因此需要足够的图像数据来构建准确的人工智能模型。本方法可用于在任何研究领域（如辐射生物剂量测定）中创建人工智能模型，以分析成像流式微核数据。一种快速且稳健的基于人工智能的微核识别方法，可拓展至其他应用，例如量化可能用于预测癌症发生风险的微核。