Name: 迅速な放射線 Biodosimetry を自動化された減数分裂の染色体の識別 (ADCI) と線量評価 (動画) | JoVE Journal
Uploaded: 2017-09-04T13:00:00.000+00:00
Duration: 10 min 33 s
Description: 学ぶ 機械学習ベースの画像処理技術を用いて、減数分裂染色体画像から放射線被曝線量を迅速に推定する自動化ソフトウェアの使用方法。この計算手法は大量被曝時の生物学的線量評価を効率化し、従来の手作業に比べ分析時間を大幅に短縮します。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

playerTrialDesktop

我々 は細胞遺伝学 biodosimetry 研究室から中期イメージ データにアクセス博士ルース ・ ウィルキンス、放射線生物学、カナダ保健省とファラ Flegal、カナダ原子力研究所の研究者で保護課に感謝しています。本稿は、CytoGnomix (シリアル no. にカナダ技術革新プログラムのビルドからの契約によって支えられました。EN579-172270/001/SC)。ADCI の初期のバージョンとアルゴリズムの開発は西洋の技術革新基金; によって支えられました。自然科学工学研究会議 (レベル検出グラント 371758 2009);米国公衆衛生サービス (DART 線量 CMCR、5U01AI091173-0);イノベーションのためのカナダの財団カナダの研究の椅子、および CytoGnomix (株)

<ol><li>Brewen, J. G., Preston, R. J., Littlefield, L. G. <a target="_blank" href="http://www.rrjournal.org/doi/abs/10.2307/3573421?code=rrs-site&journalCode=rare">Radiation-Induced Human Chromosome Aberration Yields Following an Accidental Whole-Body Exposure to60 Co γ-Rays.</a> Radiat Res. 49 (3), 647-656 (1972).</li>
<li>Bender, M. A., Gooch, P. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Persistent+Chromosome+Aberrations+in+Irradiated+Human+Subjects%5BTitle%5D)+AND+%22Radiat+Res%22%5BJournal%5D)">Persistent Chromosome Aberrations in Irradiated Human Subjects.</a> Radiat Res. 16 (1), 44-53 (1962).</li>
<li>INTERNATIONAL ATOMIC ENERGY AGENCY. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22Cytogenetic+Dosimetry%3A+Applications+in+Preparedness+for+and+Response+to+Radiation+Emergencies%22">Cytogenetic Dosimetry: Applications in Preparedness for and Response to Radiation Emergencies</a>. , IAEA: Vienna. (2011).</li>
<li>Rogan, P. K., Li, Y., Wilkins, R. C., Flegal, F. N., Knoll, J. H. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Radiation+Dose+Estimation+by+Automated+Cytogenetic+Biodosimetry%5BTitle%5D)+AND+%22Radiat+Prot+Dosimetry%22%5BJournal%5D)">Radiation Dose Estimation by Automated Cytogenetic Biodosimetry.</a> Radiat Prot Dosimetry. 172 (1-3), 207-217 (2016).</li>
<li>Arachchige, A. S., Samarabandu, J., Knoll, J., Khan, W., Rogan, P. <a target="_blank" href="http://ieeexplore.ieee.org/document/5652017/">An image processing algorithm for accurate extraction of the centerline from human metaphase chromosomes.</a> 2010 IEEE International Conference on Image Processing. , 3613-3616 (2010).</li>
<li>Arachchige, A. S., Samarabandu, J., Knoll, J., Khan, W., Rogan, P. <a target="_blank" href="http://ieeexplore.ieee.org/document/5479183/">An Accurate Image Processing Algorithm for Detecting FISH Probe Locations Relative to Chromosome Landmarks on DAPI Stained Metaphase Chromosome Images.</a> 2010 Canadian Conference on Computer and Robot Vision. , 223-230 (2010).</li>
<li>Arachchige, A. S., Samarabandu, J., Rogan, P. K., Knoll, J. H. M. <a target="_blank" href="http://ieeexplore.ieee.org/document/6334866/">Intensity integrated Laplacian algorithm for human metaphase chromosome centromere detection.</a> 2012 25th IEEE Canadian Conference on Electrical and Computer Engineering (CCECE). , 1-4 (2012).</li>
<li>Li, Y., et al. <a target="_blank" href="http://ieeexplore.ieee.org/document/6420039/">Towards large scale automated interpretation of cytogenetic biodosimetry data.</a> 2012 IEEE 6th International Conference on Information and Automation for Sustainability. , 30-35 (2012).</li>
<li>Ranjan, R., Arachchige, A. S., Samarabandu, J., Knoll, J. H. M., Rogan, P. K. <a target="_blank" href="https://www.researchgate.net/publication/260826538_Automatic_Detection_of_Pale_Path_and_Overlaps_in_Chromosome_Images_using_Adaptive_Search_Technique_and_Re-thresholding">Automatic Detection of Pale Path and Overlaps in Chromosome Images using Adaptive Search Technique and Re-thresholding.</a> International Conference on Computer Vision Theory and Applications. , 462-466 (2017).</li>
<li>Arachchige, A. S., Samarabandu, J., Knoll, J. H. M., Rogan, P. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Intensity+Integrated+Laplacian-Based+Thickness+Measurement+for+Detecting+Human+Metaphase+Chromosome+Centromere+Location%5BTitle%5D)+AND+%22IEEE+Trans+Biomed+Eng%22%5BJournal%5D)">Intensity Integrated Laplacian-Based Thickness Measurement for Detecting Human Metaphase Chromosome Centromere Location.</a> IEEE Trans Biomed Eng. 60 (7), 2005-2013 (2013).</li>
<li>Rogan, P. K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automating+dicentric+chromosome+detection+from+cytogenetic+biodosimetry+data%5BTitle%5D)+AND+%22Radiat+Prot+Dosimetry%22%5BJournal%5D)">Automating dicentric chromosome detection from cytogenetic biodosimetry data.</a> Radiat Prot Dosimetry. 159 (1-4), 95-104 (2014).</li>
<li>Li, Y., Knoll, J. H., Wilkins, R. C., Flegal, F. N., Rogan, P. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+discrimination+of+dicentric+and+monocentric+chromosomes+by+machine+learning-based+image+processing%5BTitle%5D)+AND+%22Microsc+Res+Tech%22%5BJournal%5D)">Automated discrimination of dicentric and monocentric chromosomes by machine learning-based image processing.</a> Microsc Res Tech. 79 (5), 393-402 (2016).</li>
<li>Subasinghe, A., et al. <a target="_blank" href="https://f1000research.com/articles/5-1565/v1">Centromere detection of human metaphase chromosome images using a candidate based method.</a> F1000Res. 5, 1565(2016).</li>
<li>Shirley, B. C., Li, Y., Knoll, J. H. M., Rogan, P. K. Online manual for the Automated Dicentric Chromosome Identifier and Dose Estimator, Version 1.2. , Available from:
 <a target="_blank" href="http://adciwiki.cytognomix.com">http://adciwiki.cytognomix.com</a> (2017).</li>
<li>Wilkins, R. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+of+the+annual+Canadian+biodosimetry+network+intercomparisons%5BTitle%5D)+AND+%22Int+J+Radiat+Biol%22%5BJournal%5D)">Evaluation of the annual Canadian biodosimetry network intercomparisons.</a> Int J Radiat Biol. 91 (5), 443-451 (2015).</li>
<li>Liu, J., Li, Y., Wilkins, R., Flegal, F., Knoll, J. H. M., Rogan, P. K. <a target="_blank" href="https://f1000research.com/articles/6-1396/v1">Accurate Cytogenetic Biodosimetry Through Automation Of Dicentric Chromosome Curation And Metaphase Cell Selection.</a> F1000Research. 6, 1396(2017).</li>
<li>Schunck, C., Johannes, T., Varga, D., Lörch, T., Plesch, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((New+developments+in+automated+cytogenetic+imaging%3A+unattended+scoring+of+dicentric+chromosomes%2C+micronuclei%2C+single+cell+gel+electrophoresis%2C+and+fluorescence+signals%5BTitle%5D)+AND+%22Cytogenet+Genome+Res%22%5BJournal%5D)">New developments in automated cytogenetic imaging: unattended scoring of dicentric chromosomes, micronuclei, single cell gel electrophoresis, and fluorescence signals.</a> Cytogenet Genome Res. 104 (1-4), 383-389 (2004).</li>
<li>Ramakumar, A., Subramanian, U., Prasanna, P. G. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((High-throughput+sample+processing+and+sample+management%3B+the+functional+evolution+of+classical+cytogenetic+assay+towards+automation%5BTitle%5D)+AND+%22Mutat+Res+Genet+Toxicol+Environ+Mutagen%22%5BJournal%5D)">High-throughput sample processing and sample management; the functional evolution of classical cytogenetic assay towards automation.</a> Mutat Res Genet Toxicol Environ Mutagen. 2015, 132-141 (2015).</li>
<li>Deperas, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((CABAS%3A+a+freely+available+PC+program+for+fitting+calibration+curves+in+chromosome+aberration+dosimetry%5BTitle%5D)+AND+%22Radiat+Prot+Dosimetry%22%5BJournal%5D)">CABAS: a freely available PC program for fitting calibration curves in chromosome aberration dosimetry.</a> Radiat Prot Dosimetry. 124 (2), 115-123 (2007).</li>
<li>Ainsbury, E. A., Lloyd, D. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dose+estimation+software+for+radiation+biodosimetry%5BTitle%5D)+AND+%22Health+Phys%22%5BJournal%5D)">Dose estimation software for radiation biodosimetry.</a> Health Phys. 98 (2), 290-295 (2010).</li>
</ol>

PKR、JHMK、CytoGnomix、ADCI を製品化し、関連特許を保持しているを共同設立。イルと BCS CytoGnomix の従業員であります。ADCI は著作権があり ADCI の動原体の位置推定法の特許 (米国特許。第 8,605,981;ドイツのパット。号 112011103687)。

ソフトウェアの機能と制限
このペーパーで説明したプロトコルをインポートし中期の細胞遺伝学的画像処理、放射線を検量線作成および個人またはサンプルの未知の世界にさらされている生物学的線量推定 ADCI で使用される典型的なステップごとの手順を紹介します。放射線レベル。ただし、以下の手順を順番に実行する必要はありません。たとえば、不明な線量の多くのテスト サンプルは処理することができます、同じ事前計算済みの検量線を用いています。さらに、処理が完了すると、イメージの選択および DC モデルをフィルタ リングすることができますで補間されますユーザー。適切な画像の選択モデルのアプリケーション特性に依存し、依存しセルを準備するために使用実験プロトコルと逼迫条件でセルを選択するために使用の両方中期画像データの品質自動中期キャプチャ システム。Biodosimetry や細胞遺伝学的研究所の間で染色体の形態が異なります、したがって、イメージ選択モデルは、ソフトウェアに付属している定義済みのイメージ選択モデルに十分であるかどうかを決定するユーザーによって評価されるべき正確な線量の見積もりを生成または作成する必要があるしきい値カスタム モデル ユーザー定義かどうか。我々 の経験に基づいて、イメージ選択モデルの有効性は、ソースと細胞像の品質に影響されます。ユーザーは、さまざまなフィルターの組み合わせを使用して、目的の画像を選択する偽肯定的な Dc と画像選択モデルと対応するしきい値を排除する独自の画像選択基準を設計できます。線形二次曲線と DC 周波数の係数を変更または手動で入力することができます、較正曲線と線量評価の入力の柔軟性があります。
ソフトウェアは、完全に自動化が、画像が手動で確認し、選択。この機能は、主な GUI で顕微鏡ビューアー機能で個別に処理された画像を削除したりできます。それにもかかわらず、自動化のためソフトウェアは大幅に効率化中期イメージの得点と Dc を数えるマニュアルと比べています。1000 の画像からなるサンプルは、マルチコア ・ パフォーマンスのワークステーション (jpg) 40 分に 20 (tiff) で処理できます。このソフトウェアは複数の個人公開されているか、または放射線にさらされているために疑われたか、一刻が診断と治療にイベントなどのタイム クリティカルな労働集約的な状況で特に役に立つでしょう意思決定が重要です。
Dc として線量推定の正確かつ正確なハイスループット検出が無人放射線評価のため必要です。ソフトウェアその他の利用可能な選択肢は、両方の条件を達成しません。ユーザー支援、イメージ ベース細胞遺伝学的分析 (DCScore、当初17) システム候補 Dc の手動による確認が必要です、高エラーのため裸眼に起因する率が重なる染色体、およびシステムが特定できません放射線量。DCScore は、多数の可能性がある露出された個人を含む放射線イベントで ADCI としては効果がないでしょう。大口径顕微鏡システムは、複数中期細胞18の画像を集めることができる、しかし、彼らはそれらを分析しません。「カバ」19および20ソフトウェアの「線量推定」校正を生成できます曲線、推定線量、DCs を獲得していません。DC 解析に基づいていない他の biodosimetry 試金 H2AX 蛍光、DNA に交配その場で蛍光プローブの特定に目標とされた染色体、遺伝子発現、小核、尿、呼吸器バイオ マーカーがあります。これらメソッド電離放射線の少ない特定なり敏感なより高価ないくつかのインスタンスにすることができますより時間がかかり、一般に標準化されていない複数の参照研究室。長期評価のため使用できませんのでこれらの技術のほとんどは安定した放射線応答を検出しない (&#62; 7 日間暴露後) 被曝線量。対照的に、これを 90 日間暴露後、個人を評価できるし、細胞遺伝学研究室顕微鏡イメージング システムからのデータを処理することができます。しかし、サンプルが描画される場合 &#62; 4 週間曝露後、感受性が減数分裂の異常1,2,3の崩壊による減少し、ソフトウェアは現在 DC 周波数サンプリングでの遅延を解決個人を公開しました。
このソフトウェアには、いくつかの制限があります。既存イメージ選択モデルほとんど許容染色画像を選択が、DC 検出の精度が低く、不満足な画像を排除するためにいくつかのインスタンスでは失敗します。それはまだ開いている質問すべての不適当な中期細胞を排除する満足のいく画像選択モデルをデザインする方法です。ソフトウェアでは、高い放射線量にさらされるサンプルの正確な見積もり (≥ 2 Gy)。偽肯定的な Dc16の数を減らすことでかなりの進歩にもかかわらず、これらのオブジェクトがない解決されました。低線量で品質中期細胞を下げる (特に &#60; 1 Gy) 偽陽性 DC 検出する傾向があります。したがって、低用量のサンプルに含まれていなかった HC テスト サンプルの線量評価用較正曲線を生成するとき。しかし、少量サンプルを含む曲線を使用する場合は、SVM シグマ値が低いほど低用量試料中の偽の肯定的なカウントを減らす、高用量試料中 DC 利回りが低い可能性があります。図 8 線量評価のため使用される HC 曲線を比較して (シグマ = 1.5) 低い SVM シグマ値 (1.0) に追加少量サンプルを持つ校正曲線フィットします。中期の細胞および/または質の悪い中期画像数が不十分なサンプルでは、低用量、0.5 Gy を超える物理線量からの逸脱に至るおそれで生物学的エクスポー ジャーを高精度に推定できない場合があります。
最高の用量-反応曲線線形または線形的モデルに適合する場合、ソフトウェアに放射線の種類が正確に評価しない可能性があります。これまでのところ、それは X とガンマ線にさらされるサンプルでのみテストされています。別の放射線源を検討した場合、ユーザーは校正、テスト サンプルは、同じ種類の放射線にさらされているを確認します。ソフトウェアは、尤または線形二次モデルを用いた用量反応曲線を構築する最小二乗のいずれかを使用します。課す厳密な線形カーブ フィット、オプションがない高エネルギー粒子のエクスポー ジャーの適切なただしこのような機能が将来利用できるように。
将来の発展
私たちの継続的な努力は、イメージ選択モデルと正確な線量測定、特に低線量にさらされているサンプルの改善に取り組んでいます。その後のソフトウェア バージョンは被曝と較正曲線の信頼区間標準誤差測定を提供します。さらに、高パフォーマンス コンピューティング (BG/Q、IBM) 青い遺伝子スーパー コンピューターのためのソフトウェアのバージョンは大量死傷者放射線イベントで公開されている個人のタイムリーな評価のための開発中です。ソフトウェアのいくつかのコンポーネントが既にテストおよびこのプラットフォームに配置小娘 ="xref"> 11。

放射線 biodosimetry は、減数分裂の染色体 (Dc) などにさらされている個人被曝線量を測定する染色体転座染色体異常ほとんど生物学的マーカーを使用します。生物学的線量は、個体間のばらつきによる器械によって測定される物理線量から異なる場合があります。同様に、特定の物理的な線量の放射線は、異なる生物に起因する根本的な生理学的または環境条件を作り出すことができます。生物学的線量の知識は、診断と治療の両方にとって特に重要なのです。
DC アッセイは、人々 の生物学的放射線被ばくを評価する世界保健機関 (WHO) と国際原子力機関 (IAEA) のゴールド スタンダードです。IAEA と推奨放射線線量評価のため最初の試験だった。比較的安定した DC 周波数は、放射線暴露1後約 4 週間と理想的なバイオ マーカーの Dc にして放出放射線量との量的関係が正確である。放射線量 (単位でグレー [Gy] 参照) と (セルあたりの Dc の数として参照される) DC 周波数の関係は線形二次関数として表現できます。
DC の細胞遺伝学的試金は、約 55 年2のための業界標準をされています。それは単一の血液サンプルから顕微鏡データを分析する 1 〜 2 日を必要とする、手動で行われています。推定被ばく線量3によって数百数千の画像が必要です。1 Gy を超える線量では、IAEA は、100 Dc の最小検出を推奨します。250 〜 500 中期画像の検討は biodosimetry 細胞遺伝学的研究所で一般的な方法です。エクスポー ジャーのあるサンプルの &#60; 1 Gy、3,000-5,000 DC 形成の低確率のため画像が提案されています。いずれにしても、それは労働強烈な作業です。
細胞遺伝学 biodosimetry 研究所独自の in vitroテスト サンプルの生物学的線量を評価する前に放射 biodosimetry 較正曲線を作成します。健常者コントロールから血液サンプルは、放射線にさらされている、リンパ球は培養され、中期染色体分析の準備を。これらのサンプルを使用して、生物学的線量は標準的な放射源から放射される知られている物理的な線量に校正されています。専門家イメージ DCs をカウント、サンプルごとに DC 周波数を計算する中期細胞像が記録された後。検量線は全ての用量で DC 周波数を線形二次曲線に当てはめるによって組み込まれています。校正線量曲線上に DC 周波数と一致する、対応する線形二次式で指定することは、個人からテスト サンプルの露出を推測できます。
Dc 検出を自動化し、線量のソフトウェアを使用してこの手順を迅速に決定。自動の減数分裂の染色体識別子と線量推定量 (ADCI) を検出して、monocentric 染色体 (MCs) から減数分裂の染色体 (Dc) とその他のオブジェクトを区別する機械学習ベースの画像処理技術を使用してし、放射線を自動化線量評価。ソフトウェアは、大幅に削減したり、DC カウント手動で検証の必要性を排除して自動化による線量評価を加速するために目指しています。それは参照 biodosimetry 研究所健康カナダ (HC) で、カナダ原子力研究所 (CNL) の関与が開発されています。この試金のための IAEA の基準を満たすパフォーマンスが引き続き彼らのフィードバックになります。
ソフトウェアは、次の機能を実行します: 1) フィルターの DCs と最適な中期細胞画像解析, 2) 染色体の認識、DC 検出及び DC 周波数決定を選択し、3) 線量校正から放射線量の推定放射線の細胞遺伝学的データ。このソフトウェア プロセス (サンプルと呼ばれる) 同一個体から中期イメージのグループ、カウントを使用してそれぞれの Dc の数画像処理技術、及び推定被曝線量はグレイ (Gy) の単位で各サンプルが受信したリターン。
ソフトウェアは、染色体の構造、カウント、および密度の範囲を処理する設計されています。ただし、アルゴリズムは十分に分離、線形染色体4の近く完全な補完を含む中期画像で最適に動作します。画像、染色体の高い重複のセットを含む複数の細胞、不完全な中期細胞、姉妹染色分け体の分離、核、非染色体のオブジェクト、およびその他の欠陥は、アルゴリズムの正確さを減らすことができます。専用の画像選択モデルと他のオブジェクト分割しきい値は、サブ最適な画像や偽の肯定的な Dc の大半をフィルター処理できます。
イメージが処理されるとき、減数分裂の染色体の検出が実行されます。アルゴリズムはイメージ内のどのオブジェクトが染色体を決定しようし、各染色体のセントロメア最も可能性が高い 2 つの領域を探します。一連の異なるサポート ベクトル マシン (SVM) 学習モデルは Dc とノーマル、monocentric 染色体染色体を区別します。SVM モデルは DC 検出の特異性と感度の異なる (参照ステップ 3.1.4 以下)、サンプルで決定される DC 周波数に影響することができます。
ADCI は、ギムザ - (または DAPI-) 中期デジタル画像 (tiff 形式または JPG 形式) 1 つまたは複数のサンプルをステンド グラスのセットを処理します。ソフトウェアは、校正サンプルとテスト サンプルの両方の Dc を分析します。校正サンプルの物理線量 (Gy) では知られている、較正曲線の生成に使用されます。不明なエクスポー ジャーを持つ個人の物理的および生物学的用量は、コンピューターが生成した検量線からソフトウェアによって推論されます。研究所は、同等の技術を使用して、別の所から検量線はしばしば3を異なります。同じ研究室からの両方の校正曲線と試料は、試料の正確な線量推定のため処理必要があります。
このソフトウェアは、どのアドレスに、多くの個人は同時にテストする必要があるイベントを処理するために必要な生産性、速度、精度とスケーラビリティを提供します。2008-20174,5,6,7,8,9,10、11,12 から開発されました。 ,13。最近のコンピューターのハードウェアは、このデスクトップを使用してください。PC のソフトウェアを処理することができます、10 〜 20 分4で 500 中期ゲノムに相当の忍耐強いサンプルの推定線量。コードは、一連の独自の画像セグメンテーションと染色体分析用機械学習アルゴリズムに基づきます。3 Gy の放射線にさらされている各染色体の専門家の分析では、ADCI に匹敵する精度を与えた。(以前は国際技能の練習で使用) 不明なエクスポー ジャーの 6 サンプルのセット、ソフトウェア推定 0.5 Gy HC、CNL、トリアージのための国際原子力機関の要件を満たすことによる同じデータの手動レビューで得られた値の内の用量biodosimetry。さらに、厚生の標準化と最終的に線量の再現性のスコアリング アルゴリズム共通、自動化された DC の利点を見積もり。それにもかかわらず、ソフトウェア フィルタ リング、選択基準、染色体の準備メソッドおよび考慮する校正光源の違いを有効にする画像のカスタマイズが可能します。
このソフトウェアは、グラフィカル ユーザー インターフェイス (GUI) - ギムザ (または DAPI) を含む染色体画像のセットを分析しシステム - ステンド中期電離放射線への暴露に起因する異常細胞です。イメージ セット、デジタル光 (または epifluorescent) 顕微鏡システムで撮影し、各セットが別のサンプルに対応します。ソフトウェアは、画像処理を検出して、MCs およびその他のオブジェクトから Dc を区別する技術を利用しています。経験的派生セグメンテーション フィルターは、真の Dc に影響を与えずに、偽の肯定的な Dc を自動的に除去します。最後に、ソフトウェアは、事前計算済み (またはユーザーが指定した) 画像選択モデルと質の悪い中期の画像を発見したさまざまな画像のプロパティに基づく望ましくない画像を自動的にフィルター処理します。これらのイメージには過剰なを含む、または「うるさい」オブジェクト、複数の重複染色体数が不足画像欠けている中期の染色体、過剰な数の妹の染色分け体4。自動的に精選された画像データは、知られている放射線量のサンプルから線量校正曲線を生成に使用される、不明な線量にさらされているテスト サンプルのエクスポー ジャーを推定する使用されます。
ソフトウェアの出力の表示およびとして保存できます: 1) テキスト ベースの出力は、コンソールで、表示 2) プロット イメージ、および 3) HTML 形式でレポートとして保存することができます。ソフトウェアの多くの側面は、異なる研究室の特定のニーズに合わせてカスタマイズ可能です。各研究室は、研究室で検証細胞遺伝学のプロトコルに基づいて校正、テスト サンプルを準備し、収集を通常提供します。これは試料の均一性を維持、同じプロトコルを使用して派生した試料に適用される意味深長校正サンプルから生成された較正曲線をできます。検量線は、曲線係数または定義された用量で DC 周波数から作成場合があります。最も正確な線量推定値を取得するには、品質の低いイメージと偽肯定的な Dc (FPs) をフィルタ リングします。各サンプル内に最適なイメージのサブセットの選択は、FPs を紹介する傾向がある基準以下のイメージを排除する ' イメージ選択モデル' を使用して実現されます。事前に検証モデルのシリーズ追加モデルとカスタマイズされたフィルターを作成して保存すると、ユーザーが、ソフトウェアに含まれています。
ソフトウェアが正常に読み込まれると、一度主要なグラフィカル ユーザー インターフェイス (GUI) が表示 (図 1参照)。このインターフェイス、サンプル、中期細胞画像ファイルのフォルダーから成る可能性があります選択し、Dc を識別する処理、較正曲線を作成し、比較してから試料の放射線被曝線量を決定する可能性があります。
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/56245/56245fig1.jpg"> 
図 1:グラフィカル ユーザー インターフェイスを含めるは主要な部門: (2)曲線のサンプル(1)、校正のリストのリスト、プロセス キュー (3)、プロットは、各サンプルの画像の各セットの DC 検出のステータスを監視します。(4)プログラムによって実行された各操作の出力として説明テキストが含まれているコンソール(5)や較正曲線のサンプル画像のセットの統計やその他の定量的なプロパティをまとめたものを表示します。<a href="//ecsource.jove.com/files/ftp_upload/56245/56245fig1large.jpg" target="_blank">この図の拡大版を表示するのにはここをクリックしてください</a>。

<table><tbody><tr><td>Automated Dicentric Chromosome Identifier and Dose Estimator (ADCI)</td><td>CytoGnomix</td><td>NA</td><td>ADCIソフトウェアは、Microsoft Windows 7、8、8.1、および10用のバイナリインストールパッケージファイルでリリースされます。一般的なインストールには235 Mbのディスクストレージが必要です。このソフトウェアは、IntelまたはAMD x86-64プロセッサでテストされています。少なくとも 1 Gb の RAM が推奨されます。解析は、Intel I7 プロセッサと 16 Gb RAM で構成されたコンピューターでベンチマークされています。ADC の操作には、アクティブなライセンスと USB ベースのハードウェア ドングルが必要であり、ソフトウェアの実行中はプラグを差し込んだままにする必要があります。ドングルはソフトウェアの有効期限をエンコードします。ソフトウェアが起動するたびに、この日付が読み取られます。ソフトウェアは、現在の日付と時刻が有効期限の時刻-日付スタンプよりも前である場合、プログラムへのアクセスを許可します。期限切れのソフトウェアライセンスを延長するには、新しいドングルを入手するか、起動時に更新されたキーでライセンスを更新します。</td></tr><tr><td>中期細胞核のデジタル画像</td><td>例:Metasystems、Leica Microsystems</td><td>M-Search(Metasystems)、Cytovision(Leica)ソフトウェア</td><td>高解像度TIFF形式;通常、顕微鏡イメージングキャプチャシステム(最小倍率63倍、倍率10倍)で生成された>250デジタル画像。</td></tr><tr><td>MSI Leopard Pro (推奨、オプション)</td><td>Micro-Star International</td><td>MSI GP62 6QF 480CA Leopard Pro</td><td>マルチコア パフォーマンス ワークステーション。</td></tr></tbody></table>

迅速な放射線 biodosimetry を自動化された減数分裂の染色体の識別 (adci) と線量評価

Expedited Radiation Biodosimetry by Automated Dicentric Chromosome Identification (ADCI) and Dose Estimation

生物学的線量は、中期細胞における減数分裂の染色体頻度から推定できます。これらの染色体の減数分裂の染色体の試金の実行は伝統的でなく大量の死傷者のイベントのきっかけで検討する必要がありますサンプルのボリュームを処理に適したマニュアル、労働集約的なプロセスです。自動化された減数分裂の染色体識別子と線量推定 (ADCI) ソフトウェアは、機械学習を用いた画像処理手法を用いた中期画像のセットを調べることによってこのプロセスを自動化します。不適切な画像を削除することによって解析が動原体を含む染色体または非染色体として各オブジェクトを分類の適切な画像をさらにソフトウェア選択 monocentric 染色体 (MCs) 染色体を区別するまたは減数分裂染色体 (Dc) は、サンプル内の DC 周波数を決定して校正サンプルを使用して計算の較正曲線とサンプル DC 周波数を比較することによって生物学的線量を推定します。このプロトコルでは、ADCI ソフトウェアの使用方法について説明します。通常、校正 (知られている線量) と中期イメージのテスト (不明な線量) セットの両方は、正確な線量評価を実行するインポートされます。分析のための最適な画像プリセット フィルターを使用して自動的に見つけることができます。 または手動検査を通じてフィルター処理もできます。各サンプル内のイメージの処理し、DC 周波数、機械学習の手法を使用して、Dc を呼び出すための金詰りのさまざまなレベルで計算されます。線形二次校正曲線は知られている物理的な線量にさらされている校正サンプルで DC 周波数に基づいて生成されます。不確かな放射線レベルにさらされる試験の用量は、これらの校正曲線を使用して DC 頻度から推定されます。レポートは要求時に生成することができます、1 つまたは複数のサンプル、1 つまたは複数の較正曲線または線量評価結果の要約を提供します。

染色体の減数分裂の染色体 (DC) アッセイは、電離放射線への暴露を定量化します。減数分裂の染色体識別子の自動化と線量推定ソフトウェア正確かつ迅速中期細胞内の Dc から生物学的線量を推定します。それは、Dc から monocentric 染色体とその他のオブジェクトを区別し、Dc の周波数から生物学的線量を推定します。

迅速な放射線 Biodosimetry を自動化された減数分裂の染色体の識別 (ADCI) と線量評価

Biological radiation dose can be estimated from dicentric chromosome frequencies in metaphase cells. Performing these cytogenetic dicentric chromosome ...

このソフトウェアベースのプロトコルの全体的な目的は、機械学習ベースの画像処理技術を用いて、自動的にフィルタリングされたメタフェーズ細胞画像セットから見出される二中心染色体に基づき、全身の生物学的放射線量を正確かつ迅速に推定することです。この手法は、大量放射線被曝事象への対応に関する重要な疑問への回答に役立ちます。放射線量を決定するためには、多数の検体を適時に検査することが不可欠となります。このソフトウェアの主な利点は、画像フィルタリング、検量線の作成、二中心性染色体の検出、および放射線量推定の自動化にあります。これらは従来、時間と手間のかかる作業でした。本手法は放射線細胞遺伝学的バイオドシメトリへの知見を提供できるだけでなく、遺伝性および後天性の遺伝性疾患の診断分析に最適な染色体画像を選択するためにも応用可能です。この手法の着想を得たのは、2色のハイブリダイゼーション画像内の蛍光を自動的にスコアリングするための染色体画像解析法を開発し始めたときでした。同僚からは、一度に多数の曝露個体を検査する現在の能力が非常に限られているという指摘もありました。ソフトウェアを開き、メニューから新しいサンプルを作成します。次に、解析する中期像が含まれているフォルダを選択します。プロンプトが表示されたら、サンプルを識別するための固有のIDを入力してください。使用できるのは、英数字、アンダースコア、およびハイフンのみです。次に、必要に応じてサンプルの説明を入力します。このプロセスを繰り返し、追加のサンプル画像セットを追加してください。解析には最低3組のキャリブレーションサンプルセットが必要ですが、良好な結果を得るには7組以上を使用してください。放射線被曝量は0から5grayの範囲で設定してください。すべてのサンプルをロードしたら、サンプルリストでそれらを選択し、処理キューに追加します。その後、すべてのサンプルを処理して、各画像内のさまざまな特性を特定します。処理の進行状況が表示されます。処理が完了したら、緑色のチェックマークをクリックし、処理済みのサンプルをサンプルファイルとして保存してください。次に進む前に、Metaphase Image Viewerで処理後の画像を確認しておくことを推奨します。リストからサンプルを選択してビューアを開きます。その後、画像をナビゲートしてください。画像ビューア内でフィルタを適用することが可能です。本ソフトウェアには、いくつかの画像選択モデルが同梱されています。フィルタリングによって、処理中に特定された特性をスクリーニングします。必要に応じて、独自のカスタムモデルを一から構築し、保存して繰り返し使用することが可能です。次節で説明する曲線校正ウィザードを使用する場合、モデルはそのステップで適用されます。プロセスサンプルファイルの解析には、曲線校正ウィザードを使用してください。良好な曲線適合を得るためには、0から5グレーまで、少なくとも7つの校正サンプルを含めてください。Wizardマクロの最初のページで、必要な各キャリブレーションサンプルの横にチェックマークを付けてください。各キャリブレーションサンプルについて、隣接するテキストフィールドに放射線量を指定します。次のページで、プリセットされた画像選択モデルを選択してください。次のページで、ドロップダウンボックスからSVM Sigma値を選択してください。1 Gyを超える線量推定の場合は、1.4または1.5の値が推奨されます。それ以外の場合は、1.0の値を使用してください。最終ページで、選択したすべてのオプションを確認してください。内容が正しい場合は、選択プロセスを完了します。すると、項目が事前に入力された「曲線を引く（create a curve）」ダイアログが表示されます。テキストボックスに曲線の固有の識別子を指定し、「Validate data」を押して、反応用量リストの内容が正しくフォーマットされていることを確認します。反応用量リストのすべてのフィールドが緑色にハイライトされていることを確認してください。これはデータが有効であることを示しています。その後、「OK」ボタンを使用してデータを解析に送り、プロンプトに従って結果を保存します。用量推定解析を行うには、「Dose Estimation」メニューにあるWizardマクロを起動します。まず、ドロップダウンボックスから、あらかじめ作成しておいた検量線を選択してください。選択した検量線のプロパティが下に表示されます。次のページで、未知の曝露量を持つテストサンプルを切り替え、用量推定に含めます。次のページで、検量線作成時に適用された画像選択モデルの説明と特性を確認してください。すべてのサンプルは、同一のモデルを用いて解析する必要があります。未知量の放射線に曝露したサンプルの線量を推定する場合、線量較正曲線の作成に使用したモデルに対応する同一の画像選択モデルを、このデータにも適用することを強く推奨します。次のページで、較正曲線の作成時に使用したSVM Sigma値と同じ値がフィールドに入力されていることを確認してください。必要に応じて修正を行ってください。最終ページで、選択したすべてのオプションを確認します。内容が正しい場合は、選択プロセスを完了し、あらかじめ入力済みの線量計算ダイアログでOKを押して、線量推定を実行します。線量推定の結果は、各テストサンプルのグレイ（gray）単位で、コンソールに表形式で表示されます。表形式のデータに加えて、プロット領域に表示されるデータのグラフが付属します。サンプルの入力、検量線の作成、または投与量の推定を行った後は、分析の完全な記録を作成するために、サンプル、曲線、または投与量のレポートを生成することをお勧めします。それでは、投与量推定レポートを生成してください。プロンプトが表示されたら、レポートの名前を入力するか、参照オプションを使用して既存のレポートフォルダを変更してください。監査機能、ログファイルの整合性の問題、および統計オプションについては、テキストプロトコルで説明しています。本ソフトウェアは、カナダ保健省およびカナダ核研究所のバイオドシメトリ研究室から提供された、電離放射線に曝露した細胞遺伝学的な画像サンプルを用いて検証されました。これらのサンプルは、両方の研究室の専門家によって手動で作成および解析されました。ソフトウェアは、サンプルに対して自動画像選択フィルターを使用し、多種多様な使用不能な画像を除去しました。今回の例では、各サンプルにつき最適な250枚の画像が自動的に選択されました。Cは重複している染色体が多すぎたため除外され、Dは分離した姉妹染色分体の数が過剰です。ソフトウェアは、オブジェクト2のように、一部のオブジェクトを誤って二中心性染色体としてフラグを立てる場合があります。これにより、サンプル中の二中心性染色体のカウント数が過大に算出されます。偽陽性フィルターによって、これらのオブジェクトを二中心性染色体頻度の算出から除外します。フィルタリング後、照射サンプルの細胞集団における二中心性染色体の出現回数は、フィルタリング前のデータセットと比較してポアソン分布に従います。カイ二乗適合度統計により、フィルタリング後のデータによる結果の方が大幅に信頼性が高いことが示されました。最終的に、自動測定値は、いくつかの例外を除いて、手動でスコア付けされた線量から0.3 gray以内でした。ポアソン分布への適合度が低かった1つのサンプルは正確ではありませんでした。これは品質の低いサンプルでした。姉妹染色分体の分離に起因して、誤って分類された二中心染色体の画像が多く含まれていました。しかし、自動解析の結果は依然としてIAEAが規定するトリアージ限界値の範囲内でした。このビデオを視聴することで、画像選択モデルを用いて最適な画像を自動的に選択し、検量線を作成し、放射線量評価における二中心染色体の自動検出を行い、レポートを作成するためのソフトウェアの使用方法を十分に理解できるはずです。この手法を習得すれば、既存の中期細胞画像セットから、500枚の中期画像を含むサンプルの線量を10～20分で推定することが可能です。ソフトウェアが提供する自動機能を利用することが重要です。なお、画像の手動選択も可能です。しかしながら、そうすることで効率が低下し、自動化された手順ほどの再現性が得られない可能性があります。本手法により、バイオドジメトリー分野の研究者は、これまで実用的になされなかった集団研究を含む放射線研究における新たな課題を追究することが可能になります。

expedited-radiation-biodosimetry-automated-dicentric-chromosome

Research

JoVE Journal

Genetics

遺伝学

我々は、走査ビームのデジタルX線システムを使用して動的な適応露光技術の開発を行っています。むしろ一様にオブジェクトを公開するよりも、露出がオブジェクトの不透明度に応じて適応される。ここでは、30％の用量の節約をもたらした人間の形をしたファントム実験を示す。...

透視イメージングの適応暴露によるX線の線量低減

放射線治療装置が増えて増加適合およびフラクションあたりの高用量を考慮して、腫瘍に非常に小さなビームを通して用量を提供するという利点を提供する。多くの異なる検出器は、これらの小さなフィールドの線量測定のために使用することができます。本研究では、イオン再結合の効果は、定位放射線治療システムを用いて液体イオン化チャンバに向けて研究されている。...

放射線外科アクセラレータの線量測定に使用される液体電離箱における再結合効果の特性評価

DNA修復経路は、ゲノムの完全性の維持および変異および癌を予防するために必須である。このプロトコルの目的は、中期の染色体異常の直接観察によりゲノム不安定性を定量化することであるテロメアDNA反復のためのin situハイブリダイゼーション （FISH）、 蛍光を使用して、マウスのB細胞から広がる。...

PNA-FISHによるマウスのBリンパ球における染色体異常の迅速分析

現在のプロトコルは、全身照射への曝露後のマウスの骨髄細胞における染色体間安定異常の同定における多重蛍光in situハイブリダイゼーション(mFISH)およびスペクトル核型分析(SKY)の有用性を説明しています。...

複数の蛍光によるインター染色体安定型異常の検出<em&gt;その場で</em&gt;ハイブリダイゼーション（mFISH）と照射されたマウスにおけるスペクトル核型分析（SKY）

このプロトコルは、翻訳バイオマーカー分析に使用できる臨床試験サイトでの高品質PBMCおよび血漿バイオサンプルの臨床実施可能な調製を詳述する。...

バイオマーカー分析のための臨床試験サイトにおける単一の血液引き出しからの末梢血単核細胞ペレットと血漿の調製

この文書は、低エネルギーX線装置を用いた細胞照射用の新しい線量測定プロトコルについて説明する。測定は、可能な限り実際の細胞照射条件をシミュレートする条件で行われます。...

オルソ電圧(40-300 kV)X線設備を用いた細胞照射用線量測定

放射線線量測定は、前臨床実験の精度を高め、提供される放射線量が臨床パラメータと密接に関連していることを保証する技術を提供します。このプロトコルは、適切な実験計画を確実にするために、前臨床放射線実験中に各段階で取られるステップを記述する。...

LQ αおよびβパラメータ、放射線投与スキーマ、および生体内線量堆積の評価のための照射試運転と線量測定

本プロトコールでは、細胞周期のS/G2期におけるDNA二本鎖末端切除を免疫蛍光ベースの方法を用いて可視化する方法を実証する。...

BrdU-DNA標識と細胞周期判別イメージングを用いたグローバルDNA二本鎖末端切除の評価

このプロトコルは、末梢血リンパ球に対するγ-H2AX病巣アッセイのスライド調製および自動スコアリングを提示する。アッセイの方法および感度を例示するために、単離リンパ球を インビトロで照射した。DNA...

ヒト末梢血リンパ球におけるγ-H2AX Fociアッセイの自動微視的スコアリング法

末梢血液および骨髄の自動化デジタル細胞形態学のワークフローを説明しています。標準化された塗抹標本の準備と染色の後、スキャナーが標本画像を撮影します。AI搭載のソフトウェアが核細胞を特定し、記録し、予備的に分類し、その後専門家による審査を行います。焦点は誤診の可能性がある重大な細胞誤分類にあります。...

重要な細胞誤分類を考慮した自動化されたデジタル末梢血液および骨髄細胞形態学のワークフロー

学ぶ 機械学習ベースの画像処理技術を用いて、減数分裂染色体画像から放射線被曝線量を迅速に推定する自動化ソフトウェアの使用方法。この計算手法は大量被曝時の生物学的線量評価を効率化し、従来の手作業に比べ分析時間を大幅に短縮します。

迅速な放射線 Biodosimetry を自動化された減数分裂の染色体の識別 (ADCI) と線量評価

さらに動画を探す