Новый алгоритм предотвратит неправильную идентификацию раковых клеток

Линии раковых клеток – это клетки, изолированные и выращенные как культуры клеток в лабораториях для изучения и разработки противораковых препаратов. Однако многие клеточные линии ошибочно идентифицируются после замены или заражения другими, что означает, что многие исследователи могут работать с неправильными клетками.

Это постоянная проблема с тех пор, как началась работа с линиями раковых клеток. Анализ коротких тандемных повторов (STR) обычно используется для идентификации линий раковых клеток, но он дорог и требует много времени.

Более того, STR не может различать клетки одного и того же человека или животного.
Основываясь на микроскопических изображениях экспериментального набора клеточных линий и с использованием компьютерных моделей, способных к «глубокому обучению», исследователи из Кентской школы инженерии и цифровых искусств (EDA) и Школы вычислительной техники (SoC) обучили компьютеры в период массового сравнения. данных раковых клеток.

Исходя из этого, они разработали алгоритм, позволяющий компьютерам исследовать отдельные микроскопические цифровые изображения клеточных линий и точно идентифицировать и маркировать их.
Этот прорыв может предоставить простой в использовании инструмент, позволяющий быстро идентифицировать все клеточные линии в лаборатории без специального оборудования и знаний.
Это исследование было проведено доктором Чи (Джим) Энгом (SoC) и доктором Джанлукой Марчелли (EDA) с ведущими экспертами по линиям раковых клеток профессором Мартином Михаэлисом и доктором Марком Вассом (Школа биологических наук).

Доктор Анг, старший преподаватель кафедры мультимедиа / цифровых систем, сказал: «Наше сотрудничество продемонстрировало огромные результаты для потенциального внедрения в лабораториях и в рамках исследований рака. Использование этого нового алгоритма даст дополнительные результаты, которые могут трансформировать формат идентификации клеток в науке, давая исследователям больше шансов правильно идентифицировать клетки, что приведет к уменьшению количества ошибок в исследованиях рака и, возможно, к спасению жизней.
Результаты также показывают, что компьютерные модели могут выделять точные критерии, используемые для правильной идентификации клеточных линий, а это означает, что потенциал будущих исследователей в обучении точной идентификации клеток также может быть значительно увеличен.’