Name: 만능줄기세포 분화를 모니터링하기 위한 살아있는 세포 이미지 기반 기계 학습 전략 (동영상) | JoVE Journal
Uploaded: 2024-10-04T13:30:00.000+00:00
Duration: 11 min 38 s
Description: 학습하세요 살아있는 세포 이미지 기반 기계 학습을 활용한 만능줄기세포 분화 모니터링 전략을. 실시간 비침습 계통 식별과 분화 프로토콜 최적화를 통해 세포 치료 및 질병 모델링 연구의 재현성을 향상시킵니다.

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

<meta charset="utf8"></head><body>이미지 기반 ML 전략을 통한 만능줄기세포 분화 모니터링

<ol><li>Yoshida, Y., Yamanaka, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Induced+pluripotent+stem+cells+10+years+later%3A+for+cardiac+applications%5BTitle%5D)+AND+%22Circ+Res%22%5BJournal%5D)">Induced pluripotent stem cells 10 years later: for cardiac applications.</a> Circ Res. 120 (12), 1958-1968 (2017).</li>
<li>Shi, Y., Inoue, H., Wu, J. C., Yamanaka, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Induced+pluripotent+stem+cell+technology%3A+a+decade+of+progress%5BTitle%5D)+AND+%22Nat+Rev+Drug+Discov%22%5BJournal%5D)">Induced pluripotent stem cell technology: a decade of progress.</a> Nat Rev Drug Discov. 16 (2), 115-130 (2017).</li>
<li>Takahashi, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Induction+of+pluripotent+stem+cells+from+adult+human+fibroblasts+by+defined+factors%5BTitle%5D)+AND+%22Cell%22%5BJournal%5D)">Induction of pluripotent stem cells from adult human fibroblasts by defined factors.</a> Cell. 131 (5), 861-872 (2007).</li>
<li>Burridge, P. W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Chemically+defined+generation+of+human+cardiomyocytes%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">Chemically defined generation of human cardiomyocytes.</a> Nat Methods. 11 (8), 855-860 (2014).</li>
<li>Mordwinkin, N. M., Burridge, P. W., Wu, J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+review+of+human+pluripotent+stem+cell-derived+cardiomyocytes+for+high-throughput+drug+discovery%2C+cardiotoxicity+screening%2C+and+publication+standards%5BTitle%5D)+AND+%22J+Cardiovasc+Transl+Res%22%5BJournal%5D)">A review of human pluripotent stem cell-derived cardiomyocytes for high-throughput drug discovery, cardiotoxicity screening, and publication standards.</a> J Cardiovasc Transl Res. 6 (1), 22-30 (2013).</li>
<li>Vanden Berg, C. W., Elliott, D. A., Braam, S. R., Mummery, C. L., Davis, R. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Differentiation+of+human+pluripotent+stem+cells+to+cardiomyocytes+under+defined+conditions%5BTitle%5D)+AND+%22Methods+Mol+Biol%22%5BJournal%5D)">Differentiation of human pluripotent stem cells to cardiomyocytes under defined conditions.</a> Methods Mol Biol. 1353, 163-180 (2016).</li>
<li>Burridge, P. W., Holmström, A., Wu, J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Chemically+defined+culture+and+cardiomyocyte+differentiation+of+human+pluripotent+stem+cells%5BTitle%5D)+AND+%22Curr+Protoc+Hum+Genet%22%5BJournal%5D)">Chemically defined culture and cardiomyocyte differentiation of human pluripotent stem cells.</a> Curr Protoc Hum Genet. 87, 1-15 (2015).</li>
<li>Li, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Human+pluripotent+stem+cell-derived+cardiac+tissue-like+constructs+for+repairing+the+infarcted+myocardium%5BTitle%5D)+AND+%22Stem+Cell+Rep%22%5BJournal%5D)">Human pluripotent stem cell-derived cardiac tissue-like constructs for repairing the infarcted myocardium.</a> Stem Cell Rep. 9 (5), 1546-1559 (2017).</li>
<li>Smith, A. S. T., Macadangdang, J., Leung, W., Laflamme, M. A., Kim, D. -H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Human+iPSC-derived+cardiomyocytes+and+tissue+engineering+strategies+for+disease+modeling+and+drug+screening%5BTitle%5D)+AND+%22Biotechnol+Adv%22%5BJournal%5D)">Human iPSC-derived cardiomyocytes and tissue engineering strategies for disease modeling and drug screening.</a> Biotechnol Adv. 35 (1), 77-94 (2017).</li>
<li>Sharma, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Use+of+human+induced+pluripotent+stem+cell-derived+cardiomyocytes+to+assess+drug+cardiotoxicity%5BTitle%5D)+AND+%22Nat+Protoc%22%5BJournal%5D)">Use of human induced pluripotent stem cell-derived cardiomyocytes to assess drug cardiotoxicity.</a> Nat Protoc. 13 (12), 3018-3041 (2018).</li>
<li>Mehta, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Identification+of+a+targeted+and+testable+antiarrhythmic+therapy+for+long-QT+syndrome+type+2+using+a+patient-specific+cellular+model%5BTitle%5D)+AND+%22Eur+Heart+J%22%5BJournal%5D)">Identification of a targeted and testable antiarrhythmic therapy for long-QT syndrome type 2 using a patient-specific cellular model.</a> Eur Heart J. 39 (16), 1446-1455 (2018).</li>
<li>Cahan, P., Daley, G. Q. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Origins+and+implications+of+pluripotent+stem+cell+variability+and+heterogeneity%5BTitle%5D)+AND+%22Nat+Rev+Mol+Cell+Biol%22%5BJournal%5D)">Origins and implications of pluripotent stem cell variability and heterogeneity.</a> Nat Rev Mol Cell Biol. 14 (6), 357-368 (2013).</li>
<li>Kim, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Epigenetic+memory+in+induced+pluripotent+stem+cells%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">Epigenetic memory in induced pluripotent stem cells.</a> Nature. 467 (7313), 285-290 (2010).</li>
<li>Rouhani, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Genetic+background+drives+transcriptional+variation+in+human+induced+pluripotent+stem+cells%5BTitle%5D)+AND+%22PLoS+Genet%22%5BJournal%5D)">Genetic background drives transcriptional variation in human induced pluripotent stem cells.</a> PLoS Genet. 10 (6), e1004432(2014).</li>
<li>Kim, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Donor+cell+type+can+influence+the+epigenome+and+differentiation+potential+of+human+induced+pluripotent+stem+cells%5BTitle%5D)+AND+%22Nat+Biotechnol%22%5BJournal%5D)">Donor cell type can influence the epigenome and differentiation potential of human induced pluripotent stem cells.</a> Nat Biotechnol. 29 (12), 1117-1119 (2011).</li>
<li>Garitaonandia, I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Increased+risk+of+genetic+and+epigenetic+instability+in+human+embryonic+stem+cells+associated+with+specific+culture+conditions%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Increased risk of genetic and epigenetic instability in human embryonic stem cells associated with specific culture conditions.</a> PLoS One. 10 (2), e0118307(2015).</li>
<li>Engler, A. J., Sen, S., Sweeney, H. L., Discher, D. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Matrix+elasticity+directs+stem+cell+lineage+specification%5BTitle%5D)+AND+%22Cell%22%5BJournal%5D)">Matrix elasticity directs stem cell lineage specification.</a> Cell. 126 (4), 677-689 (2006).</li>
<li>Matoba, N., Yamashita, T., Takayama, K., Sakurai, F., Mizuguchi, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Optimal+human+iPS+cell+culture+method+for+efficient+hepatic+differentiation%5BTitle%5D)+AND+%22Differentiation%22%5BJournal%5D)">Optimal human iPS cell culture method for efficient hepatic differentiation.</a> Differentiation. 104, 13-21 (2018).</li>
<li>Volpato, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Reproducibility+of+molecular+phenotypes+after+long-term+differentiation+to+human+iPSC-derived+neurons%3A+A+multi-site+omics+study%5BTitle%5D)+AND+%22Stem+Cell+Rep%22%5BJournal%5D)">Reproducibility of molecular phenotypes after long-term differentiation to human iPSC-derived neurons: A multi-site omics study.</a> Stem Cell Rep. 11 (4), 897-911 (2018).</li>
<li>Anderson, N. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Balancing+serendipity+and+reproducibility%3A+Pluripotent+stem+cells+as+experimental+systems+for+intellectual+and+developmental+disorders%5BTitle%5D)+AND+%22Stem+Cell+Rep%22%5BJournal%5D)">Balancing serendipity and reproducibility: Pluripotent stem cells as experimental systems for intellectual and developmental disorders.</a> Stem Cell Rep. 16 (6), 1446-1457 (2021).</li>
<li>Sepac, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Comparison+of+cardiomyogenic+potential+among+human+ESC+and+iPSC+lines%5BTitle%5D)+AND+%22Cell+Transplant%22%5BJournal%5D)">Comparison of cardiomyogenic potential among human ESC and iPSC lines.</a> Cell Transplant. 21 (11), 2523-2530 (2012).</li>
<li>Laco, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Unraveling+the+inconsistencies+of+cardiac+differentiation+efficiency+induced+by+the+GSK3%CE%B2+inhibitor+CHIR99021+in+human+pluripotent+stem+cells%5BTitle%5D)+AND+%22Stem+Cell+Rep%22%5BJournal%5D)">Unraveling the inconsistencies of cardiac differentiation efficiency induced by the GSK3β inhibitor CHIR99021 in human pluripotent stem cells.</a> Stem Cell Rep. 10 (6), 1851-1866 (2018).</li>
<li>Volpato, V., Webber, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Addressing+variability+in+iPSC-derived+models+of+human+disease%3A+guidelines+to+promote+reproducibility%5BTitle%5D)+AND+%22Dis+Model+Mech%22%5BJournal%5D)">Addressing variability in iPSC-derived models of human disease: guidelines to promote reproducibility.</a> Dis Model Mech. 13 (1), 042317(2020).</li>
<li>Hu, B. -Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neural+differentiation+of+human+induced+pluripotent+stem+cells+follows+developmental+principles+but+with+variable+potency%5BTitle%5D)+AND+%22Proc+Natl+Acad+Sci+USA%22%5BJournal%5D)">Neural differentiation of human induced pluripotent stem cells follows developmental principles but with variable potency.</a> Proc Natl Acad Sci USA. 107 (9), 4335-4340 (2010).</li>
<li>Huo, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+of+batch+variations+in+induced+pluripotent+stem+cell-derived+human+cardiomyocytes+from+2+major+suppliers%5BTitle%5D)+AND+%22Toxicol+Sci%22%5BJournal%5D)">Evaluation of batch variations in induced pluripotent stem cell-derived human cardiomyocytes from 2 major suppliers.</a> Toxicol Sci. 156 (1), 25-38 (2017).</li>
<li>Rostam, H. M., Reynolds, P. M., Alexander, M. R., Gadegaard, N., Ghaemmaghami, A. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Image+based+machine+learning+for+identification+of+macrophage+subsets%5BTitle%5D)+AND+%22Sci+Rep%22%5BJournal%5D)">Image based machine learning for identification of macrophage subsets.</a> Sci Rep. 7 (1), 3521(2017).</li>
<li>Christiansen, E. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((In+silico+labeling%3A+Predicting+fluorescent+labels+in+unlabeled+images%5BTitle%5D)+AND+%22Cell%22%5BJournal%5D)">In silico labeling: Predicting fluorescent labels in unlabeled images.</a> Cell. 173 (3), 792-803 (2018).</li>
<li>Buggenthin, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prospective+identification+of+hematopoietic+lineage+choice+by+deep+learning%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">Prospective identification of hematopoietic lineage choice by deep learning.</a> Nat Methods. 14 (4), 403-406 (2017).</li>
<li>Smith, Z. D., Nachman, I., Regev, A., Meissner, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dynamic+single-cell+imaging+of+direct+reprogramming+reveals+an+early+specifying+event%5BTitle%5D)+AND+%22Nat+Biotechnol%22%5BJournal%5D)">Dynamic single-cell imaging of direct reprogramming reveals an early specifying event.</a> Nat Biotechnol. 28 (5), 521-526 (2010).</li>
<li>Fan, K., Zhang, S., Zhang, Y., Lu, J., Holcombe, M., Zhang, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+machine+learning+assisted%2C+label-free%2C+non-invasive+approach+for+somatic+reprogramming+in+induced+pluripotent+stem+cell+colony+formation+detection+and+prediction%5BTitle%5D)+AND+%22Sci+Rep%22%5BJournal%5D)">A machine learning assisted, label-free, non-invasive approach for somatic reprogramming in induced pluripotent stem cell colony formation detection and prediction.</a> Sci Rep. 7 (1), 13496(2017).</li>
<li>Kusumoto, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+deep+learning-based+system+to+identify+endothelial+cells+derived+from+induced+pluripotent+stem+cells%5BTitle%5D)+AND+%22Stem+Cell+Rep%22%5BJournal%5D)">Automated deep learning-based system to identify endothelial cells derived from induced pluripotent stem cells.</a> Stem Cell Rep. 10 (6), 1687-1695 (2018).</li>
<li>Zhu, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Deep+learning-based+predictive+identification+of+neural+stem+cell+differentiation%5BTitle%5D)+AND+%22Nat+Commun%22%5BJournal%5D)">Deep learning-based predictive identification of neural stem cell differentiation.</a> Nat Commun. 12 (1), 2614(2021).</li>
<li>Qian, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Label-free+imaging+for+quality+control+of+cardiomyocyte+differentiation%5BTitle%5D)+AND+%22Nat+Commun%22%5BJournal%5D)">Label-free imaging for quality control of cardiomyocyte differentiation.</a> Nat Commun. 12 (1), 4580(2021).</li>
<li>Ounkomol, C., Seshamani, S., Maleckar, M. M., Collman, F., Johnson, G. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Label-free+prediction+of+three-dimensional+fluorescence+images+from+transmitted-light+microscopy%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">Label-free prediction of three-dimensional fluorescence images from transmitted-light microscopy.</a> Nat Methods. 15 (11), 917-920 (2018).</li>
<li>Yang, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+live-cell+image-based+machine+learning+strategy+for+reducing+variability+in+PSC+differentiation+systems%5BTitle%5D)+AND+%22Cell+Discovery%22%5BJournal%5D)">A live-cell image-based machine learning strategy for reducing variability in PSC differentiation systems.</a> Cell Discovery. 9 (1), 53(2023).</li>
<li>Selvaraju, R. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Grad-CAM%3A+Visual+explanations+from+deep+networks+via+gradient-based+localization%5BTitle%5D)+AND+%22Proc+IEEE+Int+Conf+Computer+Vision+%28ICCV%29%22%5BJournal%5D)">Grad-CAM: Visual explanations from deep networks via gradient-based localization.</a> Proc IEEE Int Conf Computer Vision (ICCV). , 618-626 (2017).</li>
<li>Isola, P., Zhu, J. -Y., Zhou, T., Efros, A. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Image-to-image+translation+with+conditional+adversarial+networks%5BTitle%5D)+AND+%22Proc+IEEE+Conf+Computer+Vision+Pattern+Recognition+%28CVPR%29%22%5BJournal%5D)">Image-to-image translation with conditional adversarial networks.</a> Proc IEEE Conf Computer Vision Pattern Recognition (CVPR). , 5967-5976 (2017).</li>
<li>Zhang, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ResNeSt%3A+Split-attention+networks%5BTitle%5D)+AND+%22Proc+IEEE%2FCVF+Conf+Computer+Vision+Pattern+Recognition+Workshops+%28CVPRW%29%22%5BJournal%5D)">ResNeSt: Split-attention networks.</a> Proc IEEE/CVF Conf Computer Vision Pattern Recognition Workshops (CVPRW). , 2735-2745 (2022).</li>
<li>Halabi, E. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dual-activatable+cell+tracker+for+controlled+and+prolonged+single-cell+labeling%29%5BTitle%5D)+AND+%22ACS+Chem.+Biol%22%5BJournal%5D)">Dual-activatable cell tracker for controlled and prolonged single-cell labeling).</a> ACS Chem. Biol. 15 (6), 1613-1620 (2020).</li>
<li>Hannan, N. R. F., Segeritz, C. -P., Touboul, T., Vallier, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Production+of+hepatocyte-like+cells+from+human+pluripotent+stem+cells%5BTitle%5D)+AND+%22Nat+Protoc%22%5BJournal%5D)">Production of hepatocyte-like cells from human pluripotent stem cells.</a> Nat Protoc. 8 (2), 430-437 (2013).</li>
<li>Zhang, H., Shen, M., Wu, J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Generation+of+quiescent+cardiac+fibroblasts+derived+from+human+induced+pluripotent+stem+cells%5BTitle%5D)+AND+%22Methods+Mol+Biol%22%5BJournal%5D)">Generation of quiescent cardiac fibroblasts derived from human induced pluripotent stem cells.</a> Methods Mol Biol. 2454, 109-115 (2022).</li>
<li>Harding, M. J., McGraw, H. F., Nechiporuk, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+roles+and+regulation+of+multicellular+rosette+structures+during+morphogenesis%5BTitle%5D)+AND+%22Development%22%5BJournal%5D)">The roles and regulation of multicellular rosette structures during morphogenesis.</a> Development. 141 (13), 2549-2558 (2014).</li>
<li>Najm, F. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Rapid+and+robust+generation+of+functional+oligodendrocyte+progenitor+cells+from+epiblast+stem+cells%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">Rapid and robust generation of functional oligodendrocyte progenitor cells from epiblast stem cells.</a> Nat Methods. 8 (11), 957-962 (2011).</li>
<li>Hogrebe, N. J., Maxwell, K. G., Augsornworawat, P., Millman, J. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Generation+of+insulin-producing+pancreatic+%CE%B2+cells+from+multiple+human+stem+cell+lines%5BTitle%5D)+AND+%22Nat+Protoc%22%5BJournal%5D)">Generation of insulin-producing pancreatic β cells from multiple human stem cell lines.</a> Nat Protoc. 16 (9), 4109-4143 (2021).</li>
</ol>

<table><tbody><tr>CPC 및 CM 분해에 <td>0.25% Trypsin-EDTA</td><td>Gibco</td><td>25200056</td><td>희석 분해물을 사용했습니다.</td></tr><tr>PBS <td>KeyGEN BioTECH</td><td>KGIHC016</td><td></td>6웰 세포 배양 플레이트<td>에서 4% 파라포름알데히드</td></tr><tr><td></td><td>NEST</td><td>703001</td><td></td></tr><tr><td>96웰 세포 배양 플레이트</td><td>NEST</td><td>701001</td><td></td></tr><tr><td>B27 보충제</td><td>Gibco</td><td>17504044</td><td></td></tr><tr><td>B27 보충제에서 인슐린을 뺀</td><td>Gibco A1895601</td><td></td><td></td></tr><tr><td>소 혈청 알부민(BSA)</td><td>GPC BIOTECH</td><td>AA904-100G</td><td></td></tr><tr><td>Celldiscoverer 7</td><td>Zeiss</td><td></td> 기기는 Selleck S1263 <td></td></tr><tr><td></td><td></td><td></td> DMEM/F12 Gibco 12634010 CHIR99021 분화 및 최종 cTnT 이미지를 촬영하는 데 사용됩니다.<td></td></tr><tr><td></td><td></td><td></td><td></td></tr><tr><td>당나귀 안티 마우스 IgG (H + L) 고도로 교차 흡착 된 2 차 항체, Alexa Fluor 488</td><td>Thermo</td><td>A-21202</td><td>2 차 항체</td></tr><tr><td>FACSAria III</td><td>BD Biosciences</td><td></td><td>유세포 분석 분류기</td></tr><tr><td>Fetal Bovine Serum (FBS)</td><td>VISTECH</td><td>SE100-B</td><td></td></tr><tr><td>Hoechst 33342</td><td>YEASEN</td><td>40732ES03</td><td></td></tr><tr><td>인간 만능 줄기 세포 화학 정의 배지</td><td>Cauliscell Inc</td><td>400105</td><td>PSC 준비 매체의 기초 배지</td></tr><tr><td>iPS-18</td><td>TaKaRa</td><td>Y00300</td><td></td></tr><tr><td>iPS-B1</td><td>Cellapy</td><td>CA4025106</td><td></td></tr><tr><td>iPS-F</td><td>Nuwacell</td><td>RC01001-B</td><td></td></tr><tr><td>iPS-M</td><td>Nuwacell</td><td>RC01001-A</td><td></td></tr><tr><td>IWR1-1-endo</td><td>Selleck</td><td>S7086</td><td>IWR1</td></tr><tr><td>Jupyter Notebook</td><td>N/ A</td><td>버전 6.4.0</td><td><a href="https://jupyter.org/">https://jupyter.org/</a></td></tr><tr><td>MATLAB</td><td>MathWorks</td><td>버전 R2020a</td><td>과학적 계산 및 이미지 주석 소프트웨어</td></tr><tr><td>Matrigel Matrix</td><td>Corning</td><td>354230</td><td>Matrigel</td></tr><tr><td>Mouse monoclonal IgG1 anti-cTnT</td><td>Thermo</td><td>MA5-12960</td><td>cTnT primary antibody</td></tr><tr><td>Normal Donkey Serum</td><td>Jackson</td><td>017-000-121</td><td></td></tr><tr><td>ORCA-Flash 4.0 V3 디지털 CMOS 카메라</td><td>Hamamatsu</td><td>C13440-20CU</td><td>Celldiscoverer7</td></tr><tr><td>PBS</td><td>NEB</td><td>21-040-CVR</td><td></td></tr><tr><td>Penicillin-Streptomycin</td><td>Gibco</td><td>15140-122</td><td></td></tr><tr><td>Pluripotency Growth Mater 1 basal medium</td><td>Cellapy</td><td>CA1007500-1</td><td>Basal medium of PSC 문화 매체</td></tr><tr><td>다능성 성장 Mater 1 보충</td><td>Cellapy</td><td>CA1007500-2</td><td>PSC 문화 매체</td></tr><tr><td>Prism</td><td>Graphpad</td><td>버전 8/9</td><td>통계 분석 및 플로팅을위한 통계 소프트웨어</td></tr><tr><td></td><td>Python N / A</td><td>버전 3.6</td><td>Python 3 환경 과학 계산을위한 환경, 패키지 pytorch (1.9.0), numpy, scipy, pandas, visdom, scikit-learn, scikit-image, opencv-python 및 matplotlib 과학 계산 및 이미지 주석을 위한 소프트웨어.</td></tr><tr><td>RPMI 1640</td><td>Gibco</td><td>11875176</td><td></td></tr><tr><td>보충제 hPSC-CDM (500x)</td><td>Cauliscell Inc</td><td>00015</td><td>PSC 준비 매체</td></tr><tr><td>TiE</td><td>Nikon</td><td></td>의 보충제 지역 <td>분리 정제를 위한 반전 형광 현미경(수정 포함)</td></tr><tr><td>Triton&nbsp; X-100</td><td>Amresco</td><td>9002-93-1</td><td></td></tr><tr><td>Versene 솔루션</td><td>PSC</td><td>소화를 위한 Thermo 15040066 EDTA 솔루션</td><td></td></tr><tr><td>Y27632</td><td>Selleck</td><td>S6390</td><td></td></tr><tr><td>Zen</td><td>Zeiss</td><td>버전 3.1</td><td>Celldiscoverer7의 지원 소프트웨어로&nbsp; 이미지 획득, 처리 및 분석을 위한</td></tr></tbody></table>

만능줄기세포 분화를 모니터링하기 위한 살아있는 세포 이미지 기반 기계 학습 전략

A Live-cell Image-Based Machine Learning Strategy to Monitor Pluripotent Stem Cell Differentiation

명시야 이미징 및 ML을 기반으로 전체 차별화 프로세스를 지능적으로 모니터링하고 최적화할 수 있습니다. PSC 단계에서는 초기 PSC 콜로니의 형태학적 특징에 따라 최종 분화 효율을 예측할 수 있는 ML 모델을 개발하여 분화를 시작하기에 가장 적합하거나 적절한 시점을 결정했습니다(그림 4A, B). 랜덤 포레스트 모델에 의해 예측된 분화 효율은 실제 분화 효율과 높은 상관 관계가 있습니다(Pearson의 r = 0.76, P &lt; 0.0001)(그림 4B). 또한 학습된 모델은 차별화에 가장 중요한 기능을 강조 표시합니다. 모든 콜로니 형태학적 특징 중에서 중심-윤곽 거리(CCD)의 표준 편차, 최소 및 최소/최대 비율, 원주, 면적, 면적/둘레 비율, 볼록성 및 원형도는 가장 중요한 가중치를 가진 8가지 특징입니다. 이러한 특징과 최종 효율 간의 관계는 적당한 면적과 더 길고 불규칙한 주변부를 가진 초기 PSC 콜로니가 더 높은 분화 효율을 갖는 경향이 있음을 시사하며(그림 4A), 이는 분해 용액의 처리 시간을 늘려 더 길고 불규칙한 경계를 가진 더 작은 콜로니를 생성함으로써 분화 효율성을 개선하도록 영감을 줍니다(프로토콜 단계 1.3.1 참조). ML 기반 PSC 콜로니 모니터링 및 최적화된 셀 통과 작업은 초기 셀 상태의 최적화를 실현합니다.
심장 분화의 I 단계에서는 ML을 사용하여 CHIR(조기 심장 분화 유도 인자)의 투여량을 평가하고 조정했습니다. 로지스틱 회귀를 사용하면 0-12시간 타임랩스 명시야 이미지를 사용하여 CHIR 투여량을 조기에 평가할 수 있습니다. 로지스틱 회귀 분류자는 CHIR 기간을 24시간으로 선택한 경우 93.1% 정확도, 88.7% 정밀도, 94.5% 재현율, 91.1% F1 점수 및 97.2% AUC를 달성합니다. 편차 점수(예측 결과)는 실험의 각 CHIR 투여 조건(Pearson의 r = 0.82, P &lt; 0.0001)에 대한 "ΔCHIR 농도"(실제 결과)와 높은 상관 관계가 있으며(그림 4C, D), ML 예측이 CHIR 투여량이 최적에서 벗어난 편차를 반영할 수 있음을 시사합니다. CHIR 투여량의 조기 평가를 통해 CHIR 처리 기간 또는 농도를 48시간 이전에 최적으로 조정할 수 있으므로 잘못 분화된 세포 궤적을 신속하게 수정하고 고효율로 CM 분화를 유지할 수 있습니다.
또한 차별화 단계 II 및 단계 III의 명시야 이미지에서 CPC 및 CM을 유익하게 인식하기 위한 ML 모델을 구축했습니다(그림 5A-D). 훈련된 ML 모델은 살아있는 세포의 명시야 이미지를 입력하여 CPC 및 CM의 지역적 분포를 예측하고 비침습적으로 최종 분화 효율성을 평가할 수 있습니다. CPC 인식의 경우, ResNeSt 및 Grad-CAM에 의해 예측된 CPC 세분화 마스크는 평균 IoU가 59.0%로 수동으로 주석이 달린 마스크(그림 5A)와 일치합니다. CPC 영역의 예측된 비율은 최종 차별화 효율에 대한 지표로도 사용될 수 있습니다(Pearson의 r = 0.88, P &lt; 0.0001)(그림 5B). CM 인식을 위해 pix2pix 모델은 진(실험적으로 획득된) cTnT 형광 이미지(그림 5C)와 유사한 cTnT 형광 이미지를 생성할 수 있으며, 예측된 전체 웰 분화 효율 지수와 실제 전웰 분화 효율 지수(Pearson의 r = 0.93, P &lt; 0.0001) 간의 상관관계가 높습니다(그림 5D). 이 접근법은 면역형광 염색 또는 흐름 분류로 인한 세포의 돌이킬 수 없는 손상을 방지합니다. 광활성화 프로브(DACT-1)를 기반으로 바이오마커 없이 효율적인 지역 선택적 CPC 정제를 성공적으로 달성하여(그림 5E,F) 분화 과정에서 원하는 세포 유형의 실시간 정제를 가능하게 했습니다.
따라서 이 방법론은 라이브 셀 명시야 이미징 및 ML을 활용하여 전체 분화 프로세스에서 실시간 세포 계통 예측 및 효율성 평가를 실현하고 PSC 분화를 조절하고 안정화합니다.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/66823/66823fig01.jpg"> 
그림 1: ML 지원 CM 차별화 워크플로의 개략도. 실험자는 심장 분화를 수행하고 현미경에서 타임랩스 명시야 세포 이미지를 얻습니다. CM 차별화의 각 단계에서 이미지는 예측을 위해 훈련된 ML 모델로 전달됩니다. 실험자는 예측을 피드백으로 사용하여 실시간으로 차별화 계획을 조절하고 최적화하여 안정적이고 효율적인 차별화를 달성합니다. 눈금 막대 = 1mm. <a href="https://www.jove.com/files/ftp_upload/66823/66823fig01large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/66823/66823fig02.jpg"> 
그림 2: 세포 이미지 획득. (A) 세포 밀도가 70%인 PSC 단계의 명시야 라이브 셀 이미지의 예. (B) 세포 밀도가 80-90%인 PSC 단계의 명시야 활세포 이미지의 예. (C) CPC 단계의 명시야 라이브 셀 이미지의 예. (D) CM 단계의 명시야 라이브 셀 이미지의 예. (E) 동일한 시야에서 면역형광 염색 후 명시야 및 형광의 예. (A-E) 눈금 막대 = 250μm. 약어: PSC = 만능줄기세포; CPC = 심장 전구 세포; CM = 심근 세포; cTnT = 심장 트로포닌 T. <a href="https://www.jove.com/files/ftp_upload/66823/66823fig02large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/66823/66823fig03.jpg"> 
그림 3: ML 사용에 대한 스크린샷. (A-C) (A) 데이터 세트 준비, (B) 모델 성능 테스트, (C) 기능 중요도 해석을 포함한 PSC 단계의 ML에 대한 대표적인 스크린샷. (D-F) (D) 데이터 세트 준비 및 (E,F) 모델 평가를 포함한 단계 I의 ML에 대한 대표 스크린샷. (지-나) (G) 데이터 세트 준비, (H) 모델 훈련 및 (I) 모델 평가를 포함한 2단계 ML의 대표 스크린샷. (J-L) (J) 모델 학습 및 (K,L) 모델 평가를 포함한 3단계 ML의 대표 스크린샷. 약어: ML = 기계 학습; PSC = 만능 줄기 세포. <a href="https://www.jove.com/files/ftp_upload/66823/66823fig03large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/66823/66823fig04.jpg"> 
그림 4: ML 기반 CM 차별화를 위한 PSC 단계 및 단계 I의 대표적인 결과. (A) PSC 단계에서의 기능 시각화 결과. 차별화 효율성과 가장 중요한 8가지 기능 간의 관계가 표시됩니다. 기능 중요도는 학습된 ML 모델에 의해 결정됩니다. 각 기능의 범위는 20개의 빈으로 나뉩니다. 각 빈 내의 웰에 대한 차별화 효율 지수는 평균화되어 색상별로 표시됩니다. 색상 변화의 추세는 각 형태학적 특징이 최종 분화 효율에 어떻게 영향을 미치는지를 나타냅니다. 이러한 결과는 적당한 면적, 더 긴 둘레, 더 다양한 중심 윤곽 거리, 더 낮은 원형도 및 더 높은 볼록성이 분화에 더 도움이 된다는 것을 시사합니다. (B) 실제 및 예측된 Differentiation Efficiency Index 간의 상관 관계 분석을 통한 PSC 단계에서 ML의 성능 평가. 높은 상관 관계는 PSC 콜로니의 분화 잠재력이 형태학적 특징으로부터 예측될 수 있음을 나타냅니다. n = 584웰. (C) 배치의 각 CHIR 투여 조건에 대한 예측된 편차 점수와 실제 ΔCHIR 농도 간의 상관 분석을 사용하여 I단계에서 ML의 성능 평가. 편차 점수(-1에서 1 범위)는 0-12시간 명시야 이미지 스트림을 사용하여 ML에 의해 비침습적으로 예측됩니다. ΔCHIR 농도(..., -4 μM, -2 μM, 0, 2 μM, 4 μM, ...)는 각 CHIR 조건에 대한 최적 조건으로부터의 실제 편차를 측정하기 위해 최종 차별화 결과에 의해 실험적으로 결정됩니다. 예측된 편차 점수는 실제 ΔCHIR 농도를 매우 잘 나타내며, 이는 ML 예측이 CHIR 용량 평가 및 조정을 위한 신호 역할을 할 수 있음을 시사합니다. 파란색과 빨간색 상자는 각각 과소 투여 및 과다 복용 상태를 나타냅니다. (D) 교차 배치 검증을 사용한 I단계에서 ML의 성능 평가. 각 라운드에서 한 배치는 테스트에 사용되고 다른 배치는 훈련에 사용되어 새 배치에서 ML 모델의 일반화 능력을 테스트합니다. 예측된 편차 점수와 실제 ΔCHIR 농도(CHIR 지속 시간 24시간 미만) 간의 상관 관계 분석이 수행됩니다. 점의 색상은 서로 다른 테스트 배치를 나타냅니다. n = 20 CHIR 투여량. 이 수치는 Yang et al.35에서 발췌한 것입니다. 약어: ML = 기계 학습; PSC = 만능 줄기 세포; CHIR = CHIR99021. <a href="https://www.jove.com/files/ftp_upload/66823/66823fig04large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/66823/66823fig05.jpg"> 
그림 5: ML 기반 CM 차별화를 위한 CPC 단계 및 CM 단계의 대표 결과. (A) II단계에서 CPC 인식을 위한 ML의 일반적인 결과. 12일째의 실제 cTnT 형광 이미지(왼쪽), 수동으로 주석을 단 CPC 영역(가운데), 6일차에 명시야 이미지를 사용하여 ML로 예측한 CPC 영역(오른쪽)이 표시됩니다. 예측된 결과는 실제 실험 결과와 매우 유사합니다. 눈금 막대 = 1mm. (B) 실제 차별화 효율 지수(12일차 cTnT 형광 라벨에서)와 CPC 영역의 예측 비율(6일차 명시야 이미지에서) 간의 상관 관계 분석을 사용한 II단계에서 ML의 성능 평가. 높은 상관 관계는 분화 효율이 II단계에서 비침습적으로 예측될 수 있음을 시사합니다. True Differentiation Efficiency Index는 0%에서 100% 사이로 정규화됩니다. n = 35웰. (C) III단계에서 CM 인식을 위한 ML의 일반적인 결과. 실제 cTnT 형광 결과(왼쪽), 예측된 cTnT 형광 결과(가운데) 및 각 픽셀에서 예측된 형광 강도와 실제 형광 강도를 비교하기 위한 히트맵(오른쪽)이 표시됩니다. 형광 이미지는 512 x 512 픽셀로 크기가 조정되며, 히트맵 빈의 숫자는 100당 픽셀의 주파수 수를 나타냅니다. 많은 비율의 픽셀이 히트맵의 대각선을 따라 위치하며, 이는 예측된 형광 강도와 실제 형광 강도가 가깝다는 것을 나타냅니다. 척도 막대 = 1mm. (D) 실제 및 예측된 차별화 효율 지수 간의 상관 관계 분석을 사용한 단계 III에서 ML의 성능 평가. 참 및 예측된 차별화 효율 지수는 0%에서 100% 사이로 정규화됩니다. n = 36웰. (E) 6일째의 이미지로 확인된 CPC 정제 효과. FACS 및 6일간의 배양 후, unlabeled image identified-CPC는 DACT-1-labeled non-CPC 및 대조군(CTL) 그룹의 세포에 비해 높은 CM 순도를 보여줍니다. 눈금 막대 = 100 μm. (F) (E)에서 cTnT+ 세포의 백분율을 비교하여 정제 효과의 정량 분석. 데이터는 SD± 의미하며, n = 5개의 이미지입니다. * P &lt; 0.05; P&lt; 일원 분산 분석으로 0.0001을 계산한 후 Dunnett의 다중 비교 검정을 수행합니다. 이 수치는 Yang et al.35에서 발췌한 것입니다. 약어: ML = 기계 학습; PSC = 만능 줄기 세포; CPC = 심장 전구 세포; CM = 심근 세포; cTnT = 심장 트로포닌 T. <a href="https://www.jove.com/files/ftp_upload/66823/66823fig05large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td colspan="2">문제 관찰됨</td>
			<td colspan="4">가능한 이유</td>
			<td colspan="5">용액</td>
		</tr>
		<tr>
			<td colspan="2">ML 모델은 훈련 세트에서 잘 수행되지 않습니다.</td>
			<td colspan="4">1. ML 모델의 학습이 잘 수렴되지 않습니다. 2. 기존 ML의 경우 추출된 이미지 특징은 세포 상태와 계통을 반영할 만큼 충분한 정보를 제공하지 않습니다. 3. 딥러닝의 경우, 설계된 신경망의 표현력만으로는 작업을 수행하기에 충분하지 않습니다. 4. 과제 자체가 배우기 어렵다.</td>
			<td colspan="5">1. 하이퍼파라미터 조정(예: epoch 수 증가 및 학습률 수정). 2. 세포 상태에 대한 형태학적 단서를 찾기 위해 이미지를 관찰합니다. 생물학적으로 그럴듯한 특징을 디자인합니다. 3. 네트워크 아키텍처를 수정하여 복잡성을 높입니다. 4. 데이터 세트를 검사하고 대상 셀의 특징을 쉽게 식별할 수 있는지 확인합니다. 모델이 작업을 학습하지 못하는 경우 이미징 단서가 더 명확한 단계에서 ML을 적용하거나 더 간단한 작업을 설계해 보십시오.</td>
		</tr>
		<tr>
			<td colspan="2">ML 모델은 훈련 세트에서는 잘 수행되지 않지만 테스트 세트에서는 그렇지 않습니다.</td>
			<td colspan="4">1. 모델이 훈련 세트에 과적합됩니다.</td>
			<td colspan="5">1. 학습 데이터 세트를 보강하고 모델을 다시 학습시킵니다. 더 많은 세포주, 분화 조건, 이미징 조건을 포함하여 훈련 데이터셋의 다양성을 높입니다. 기존 ML의 경우 기능 선택을 사용하여 입력 기능 수를 줄이면 모델의 일반화 기능도 향상될 수 있습니다.</td>
		</tr>
		<tr>
			<td colspan="2">ML 모델은 새로운 배치 또는 새로운 세포주에서 잘 수행되지 않습니다.</td>
			<td colspan="4">1. 현미경 및 이미징 매개변수가 변경됩니다. 2. 세포주마다 형태학적 특징이 다를 수 있습니다.</td>
			<td colspan="5">1. 이미징 장치가 모델 학습 중의 이미징 장치와 동일한지 확인합니다. 2. 새로운 세포주 및/또는 새로운 이미징 조건에서 획득한 라벨링된 데이터를 수집하고, ML 모델을 재교육하거나 미세 조정합니다.</td>
		</tr>
		<tr>
			<td colspan="2">분화 과정의 ML 유도 조절은 분화 결과를 개선하지 않는 것으로 보입니다.</td>
			<td colspan="4">1. ML 출력이 정확하지 않습니다. 2. 실험 시약 또는 절차에 문제가 있습니다. 3. 세포주에는 근본적인 문제가 있어 분화 능력이 부족합니다.</td>
			<td colspan="5">1. 위에서 언급한 문제 해결 단계를 시도합니다. 2. 실험실 시약 및 실험 절차를 검사합니다. 3. 세포주를 변경합니다.</td>
		</tr>
		<tr>
			<td colspan="2">정제 후에도 세포 유형 오염이 여전히 존재합니다.</td>
			<td colspan="4">1. 부정확한 예측 결과. 2. 정제 영역의 가장자리에 위치한 일부 원치 않는 세포를 캡슐화했습니다.</td>
			<td colspan="5">1. ML 예측 결과를 최적화합니다. 2. ML 예측 결과를 보다 보수적으로 사용합니다(예: CM 영역 크기의 적절한 축소).</td>
		</tr>
		<tr>
			<td colspan="2">정제 후 세포 상태가 좋지 않습니다.</td>
			<td colspan="4">1. 레이저 광독성. 2. 느린 작동 프로세스. 3. 소화로 인한 세포 손상. 4. 흐름 분류 과정으로 인한 셀 손상.</td>
			<td colspan="5">1. 타겟 세포 대신 레이저 조사를 통해 원하지 않는 세포를 제거합니다. 2. 더 빠른 작동. 3. 소화 효소의 농도를 줄이는 등의 통과 방법을 조정합니다. 4. 선별 과정에서 설정한 셀 유속을 낮추는 등 선별 방법을 조정합니다.</td>
		</tr>
	</tbody>
</table>
표 1: 문제 해결 테이블.

Pluripotent stem cell (PSC) technologies have been widely used in drug discovery, disease modeling, and regenerative medicine.&#160;However, available ...

a-live-cell-image-based-machine-learning-strategy-to-monitor

Research

연구

JoVE Journal

Biology

생물학

출처: Gómez-Villafuertes, R., et. al., 세포 생물학 및 여러 신경 집단의 계통 진행을 모니터링하기 위한 실시간 이미징 후 단일 세포 추적.J. Vis. Exp. (2017) 비디오는 분열 및 분화를 포함한 세포 행동을 연구하기 위해 실시간으로 성체 신경 줄기 세포를 준비, 이미징 및 추적하는 과정을 보여줍니다.

 성체 신경 줄기 세포의 신경 계통을 모니터링하기 위한 라이브 이미징 및 단일 세포 추적

본 연구에 제시된 프로토콜은 유세포 분석을 이용하여 양 및 음의 다 능성 줄기 세포 마커의 운동 측정을 통해 프로그래밍 진행의 실시간 모니터링 방법을 설명한다. 이 프로토콜은 또한 IPSC 생성시 형태, 마커 또는 기자의 표현의 영상 기반의 평가를 포함한다.

체세포 재 프로그래밍의 운동 측정 및 실시간 시각화

뒤에 소프트웨어 기반 후 처리 시간 경과 비디오 현미경에 의해 신경 인구를 모니터링 하는 강력한 프로토콜 설명 되어 있습니다. 이 메서드는 선택 된 인구 라이브 이미징 실험 동안에 생물 학적 이벤트를 식별 하는 강력한 도구를 나타냅니다.

영상 모니터 세포 생물학과 여러 신경 인구의 계보 진행을 추적 하는 단일 셀 다음 라이브

우리는 자동화된 화상 진찰 및 분석과 호환되는 인간 유도만능 줄기 세포 (hiPSC) 배양 및 신경 분화의 자동화를 보여줍니다.

통합 된 라이브 셀 모니터링을 통해 인간 유도 만능 줄기 세포 유래 피질 및 도파민 뉴런의 자동화 된 생산

우리는 작은 분자 기반 oligodendrocyte 전구체 세포 (OPCs)에 마우스 배아 줄기 세포의 차별 화를위한 프로토콜을 설명합니다. 이 프로토콜은 차별화 후 30 일에 의해 고효율 Olig2 + NG2 + OPCs를 생성합니다. 우리는 또한 행동 잠재력을 불 수있다 "급상승"OPCs를 생성하는 방법을 설명합니다.

Oligodendrocyte 엽 성의 전구 물질로 배아 줄기 세포의 분화

본 논문은 문화에 살고있는 세포의 기계적 자극에 대한 통합 원자의 운영 독자 강제 광학 이미징 현미경을 지시하는 것을 목표로하고있다. 단계별 프로토콜이 제공됩니다. 기계적 자극에 살고 세포 응답을 보여주는 대표적인 데이터 집합이 제공됩니다.

기계 자극에 라이브 세포 응답 통합 광학과 원자 힘 현미경에 의해 연구

유전자 변형의 최근 발전에도 불구하고, 인간 배아 줄기 세포 (HESCs)의 transfection은 변덕 과정 남아있다. 우리의 지식, 인간 유도 만능 줄기 세포를 (iPSCs) transfect하는 체계적이고 효율적인 방법은보고되지 않았습니다. 여기, 우리는 효율적으로 transfect과 인간 iPSCs를 nucleofect하는 강력한 프로토콜을 설명합니다.

인간 유도 만능의 줄기 세포를 Transfecting 및 Nucleofecting

OCT4의 레트로 바이러스 - 매개 자궁외 표현을 통해 인간의 유도된 pluripotent 줄기 세포 (iPSCs) 생성하는 방법은, SOX2, KLF4 및 MYC가 설명되어 있습니다. GFP 발현을 바탕으로 인간 iPSC 식민지를 식별하기위한 실용적인 방법도 설명되어 있습니다.

GFP와 Retroviral 벡터를 사용하여 유도 Pluripotent 줄기 세포 (iPSCs)로 인간 체세포를 프로그래밍

만능 줄기 세포는 배아 또는 유도 된 pluripotent 줄기 (IPS의) 세포 중 하나는 심근을 포함한 인간의 차별화 된 세포의 중요한 소스를 구성합니다. 여기, 우리는 배아 체 기반 프로토콜을 통해 기능적 인간의 심근을 얻기 위해 그들을 사용하는 방법을 보여주는, IPS 세포의 심장 유도에 초점을 맞출 것이다.

인간의 Cardiomyocytes의 생성 : 피더없는 인간 유도 만능 줄기 세포에서 분화 프로토콜

찬란 autophagy에 마커의 시간 경과 현미경은 높은 시간적 해상도로 동적 autophagy에 응답을 모니터링 할 수 있습니다. 3 가지 색상의 조합으로 특정 자식 작용과 세포 기관 마커를 사용하여, 우리는 강력한 공간과 시간적 맥락에서 autophagosome 형성 단백질의 기여를 볼 수 있습니다.

초기 자식 작용 이벤트의 셀 이미징 라이브 : Omegasomes을 넘어

학습하세요 살아있는 세포 이미지 기반 기계 학습을 활용한 만능줄기세포 분화 모니터링 전략을. 실시간 비침습 계통 식별과 분화 프로토콜 최적화를 통해 세포 치료 및 질병 모델링 연구의 재현성을 향상시킵니다.

만능줄기세포 분화를 모니터링하기 위한 살아있는 세포 이미지 기반 기계 학습 전략

더 많은 동영상 탐색