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

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。

このソフトウェアベースのプロトコルの全体的な目標は、機械学習ベースの画像処理技術を使用して、自動的にフィルタリングされた中期細胞画像のセットで見つかった二動体染色体から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。この方法は、大量放射線被ばく事象への対応に関する重要な質問に答えるのに役立ちます。放射線量を決定するためには、多数のサンプルを適時に検査することが必要になります。

このソフトウェアの主な利点は、画像フィルタリング、検量線生成、二心染色体検出、および放射線量推定の自動化です。これらは従来、時間と労力のかかるタスクでした。この方法は、放射線細胞生生物学的線量測定に関する洞察を得ることができますが、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適用できます。

この手法のアイデアは、2つ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染色体画像解析手法の開発を始めたときに思いつきました。同僚は、複数の曝露者を検査するための現在の能力も非常に限られていることを示していました。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、解析するメタフェーズ画像を含むフォルダを選択します。プロンプトで、サンプルを識別するための一意の ID を指定します。英数字、アンダースコア、およびダッシュのみを使用できます。

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て、サンプル画像セットを追加します。分析には最低3つ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つ以上を使用してください。

それらは、放射線被曝の0〜5グレイにまたがる必要があります。すべてのサンプルがロードされたら、サンプルリストでそれらを強調表示し、プロセスキューに追加します。次に、すべてのサンプルを処理して、各画像内のさまざまなプロパティを識別します。

処理の進行状況が表示されます。処理が終了したら、緑色のチェックマークをクリックし、処理したサンプルをサンプルファイルとして保存します。先に進む前に、処理された画像をMetaphase Image Viewerで表示することをお勧めします。

リストからサンプルをハイライト表示し、ビューアを開きます。次に、画像内を移動します。画像ビューア内から、フィルターを適用できます。

ソフトウェアには、いくつかの画像選択モデルがバンドルされています。フィルタリングは、処理中に特定されたプロパティをスクリーニングします。必要に応じて、カスタマイズされたモデルを最初から作成し、繰り返し使用するために保存できます。

次のセクションで説明するカーブ キャリブレーション ウィザードを使用すると、そのステップでモデルが適用されます。カーブキャリブレーションウィザードを使用して、プロセスサンプルファイルを分析します。曲線を良好に適合させるには、0 から 5 グレーまでの少なくとも 7 つのキャリブレーション サンプルを含めます。

ウィザード マクロの最初のページで、目的の各キャリブレーション サンプルの横にチェック マークを付けます。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、プリセット画像選択モデルを選択します。

次のページで、ドロップダウンボックスからSVM Sigmaの値を選択します。1 グレーより大きい線量推定値には、1.4 または 1.5 の値が推奨されます。それ以外の場合は、値 1.0 を使用します。

最後のページで、選択したすべてのオプションを確認します。正しく表示されている場合は、選択プロセスを終了します。これで、事前に入力されたカーブの作成ダイアログが表示されます。

テキスト・ボックスで曲線の固有IDを指定し、「データの検証」を押して、応答線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。応答用量リストのすべてのフィールドが、有効なデータを示す緑色で強調表示されていることを確認します。次に、[OK]ボタンを使用して分析用のデータを送信し、プロンプトに従って結果を保存します。

線量推定解析を実行するには、[線量推定] メニューの下にあるウィザード マクロを開始します。まず、ドロップダウンボックスから以前に作成した検量線を選択します。そのプロパティは下に表示されます。

次のページで、未知の曝露のテストサンプルを切り替えて、それらを線量推定に含めます。次のページでは、検量線の生成中に適用された画像選択モデルの説明とプロパティを確認します。すべてのサンプルは、同じモデルを使用して分析する必要があります。

未知の量の放射線に被曝したサンプルの線量を推定する場合、線量検量線の生成に使用されたモデルに対応する同じ画像選択モデルをこのデータに適用することを強くお勧めします。次のページで、検量線の生成時に使用したのと同じSVMシグマ値がフィールドに入力されていることを確認します。必要に応じて修正します。

最後のページで、選択したすべてのオプションを確認します。正しく表示されている場合は、選択プロセスを終了し、事前に入力された線量計算機ダイアログでOKを押して線量推定を実行します。線量推定結果は、各試験サンプルの表形式でコンソールに灰色で表示されます。

表形式のデータには、プロット領域に表示されるデータのプロットが添付されます。サンプルの入力、検量線の準備、または用量の推定を行った後、サンプル、曲線、または用量レポートを生成して、分析の完全な記録を作成することをお勧めします。次に、線量推定レポートを生成します。

プロンプトが表示されたら、レポートの名前を指定するか、参照オプションを使用して既存のレポート フォルダを変更します。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は、テキストプロトコルでレビューされます。このソフトウェアは、カナダ保健省およびカナダ原子力研究所の生物線量測定研究所から得られた電離放射線に曝露された細胞遺伝学的画像サンプルを使用してテストされました。

これらのサンプルは、両ラボの専門家が手作業で生成し、分析しました。このソフトウェアは、サンプルに自動画像選択フィルターを使用して、使用できないさまざまな画像を排除しました。現在の例では、サンプルごとに最適な 250 枚の画像が自動的に選択されています。

Cは、重複する染色体が多すぎること、およびDは分離した姉妹染色分体の数が多すぎるため、除外されました。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に二動性染色体として誤ってフラグを立てる場合があります。サンプルの二心カウントを膨らませます。

誤検出フィルターは、これらのオブジェクトをダイセントリック周波数の計算から除外します。フィルタリング後、照射されたサンプルの細胞集団における二心染色体の発生は、フィルタリングされていないデータセットと比較して、ポアソン分布に従います。適合度のカイ二乗の良さの統計は、フィルタリングされたデータからの結果がはるかに信頼性が高いことを示しました。

最終的に、自動測定は、いくつかの例外を除いて、手動で採点された用量の0.3グレイ以内でした。ポアソン分布への適合度が低かったサンプルの1つは正確ではありませんでした。これは低品質のサンプルでした。

姉妹染色分体の分離に起因する誤って分類された二心染色体を含む画像が多すぎました。しかし、自動分析の結果は、IAEAが指定したトリアージの制限内にまだ収まっていました。このビデオを見れば、画像選択モデルを使用して最適な画像を自動的に選択する方法、検量線を作成する方法、放射線量推定での自動二心染色体検出を実行する方法、およびレポートを作成する方法について十分に理解できるはずです。

この手法を習得すると、既存の中期細胞画像のセットから、500個の中期画像を含むサンプルの線量を10〜20分で推定できます。ソフトウェアが提供する自動化された機能を利用することを忘れないでください。画像の手動選択が可能です。

ただし、これを行うと効率が低下し、自動化された手順ほど再現性がない可能性があります。この技術により、生物線量測定の分野の研究者は、これまで実際に実施できなかった集団研究を含む放射線研究の新たな問題を探求することができます。