나노미터 수준의 정밀도로 바이러스 감염을 1시간 안에 탐지할 수 있는 남부의과대학 세포핵 AI 도구가 네이처(Nature) 저널에 게재되었습니다.

Editor | KX

나노미터(nm)는 10억분의 1미터이며, 사람의 머리카락 굵기는 약 100,000nm입니다.

오늘날 인공지능은 20nm, 즉 사람 머리카락 굵기의 5,000배 작은 세포 내 재배열을 감지할 수 있습니다. 이러한 변화는 전통적인 방법만으로는 인간이 발견하기에는 너무 작고 미묘합니다.

최근 남부의과대학과 스페인 바르셀로나 과학기술연구소 연구팀은 나노미터 수준의 해상도로 핵의 특정 특징을 식별할 수 있는 핵인공지능(AINU) 도구를 개발했습니다. 암세포를 정상 세포와 구별하고 세포 내 바이러스 감염의 초기 단계를 감지할 수 있습니다.

논문 링크: https://www.nature.com/articles/s42256-024-00883-x 나노규모 분해능 현미경

세포 표현형 이질성은 생물학적 기능의 주요 결정 요인입니다. , 그들의 기원을 이해하는 것은 여전히 ​​​​엄청난 도전입니다. 이러한 이질성은 종종 바이러스 감염 및 암과 같은 요인의 영향을 받아 세포 환경을 극적으로 변화시키는 염색질 구조의 변화를 반영합니다.

단일 분자 국소화 현미경(SMLM), 특히 확률론적 광학 재구성 현미경(STORM)은 세포 내 염색질 섬유의 나노 규모 배열을 결정할 수 있습니다. 클러스터링 알고리즘과 같은 단일 분자의 공간 분포를 분석하는 현재 방법은 핵 위치와 국소 밀도를 추출하는 데 매우 효과적입니다. 그러나 현재로서는 이러한 분자의 공간 분포와 밀도를 활용하여 세포 상태를 식별할 수 있는 방법이 불분명합니다.

CNN(Convolutional Neural Network)은 다양한 의료 영상 분야에서 널리 사용되고 있습니다. 딥 러닝(DL) 모델은 전체 세포 이미지를 분류하고 회절 제한 현미경을 사용하여 추적하는 데 사용되었습니다. 또한 초고해상도(SR) 현미경 검사법은 데이터 수집 중 위치 파악 정확도와 의미론적 분할을 개선하는 데 사용되지만 SMLM 이미지는 아직 세포하 구조를 기반으로 세포를 분류하는 데 사용되지 않았습니다.

분자 수준의 '안면인식'

얼굴로 스마트폰의 잠금을 해제하는 것, 자율주행차가 길 위의 사물을 식별해 주변 환경을 이해하고 탐색하는 것 등 모두 컨볼루셔널 신경망을 활용한다.

의료 분야에서는 컨벌루션 신경망을 사용하여 유방 조영술이나 CT 스캔과 같은 의료 이미지를 분석하고 인간의 눈이 놓칠 수 있는 암의 징후를 식별합니다. 또한 의사가 MRI 스캔이나 X선 이미지에서 이상을 감지하는 데 도움을 주어 의사가 더 빠르고 정확하게 진단하는 데 도움을 줄 수 있습니다.

AINU는 컨볼루셔널 신경망(Convolutional Neural Network)으로, 이미지 등 시각적 데이터를 분석하기 위해 특별히 설계된 AI의 일종입니다. CNN 아키텍처는 핵 서명 이미징의 최소한의 훈련 데이터를 사용하여 효율적으로 훈련될 수 있습니다.

AINU는 일반 현미경보다 더 미세한 부분을 포착하는 기술인 STORM을 통해 얻은 세포의 고해상도 이미지를 스캔합니다. 고화질 스냅샷은 나노미터 해상도로 구조를 드러낼 수 있습니다.

"이러한 이미지의 해상도는 우리 AI가 세포 내 DNA 배열의 변화를 비롯한 특정 패턴과 차이점을 놀랄 만큼 정확하게 식별할 수 있을 만큼 높기 때문에 변화를 매우 빠르게 감지하는 데 도움이 됩니다. 이런 종류의 정보는 언젠가 의사들이 질병을 모니터링하고, 치료를 개인화하고, 환자 결과를 개선하는 데 귀중한 시간을 벌 수 있을 것입니다."라고 스페인 바르셀로나에 있는 과학 기술 연구소의 공동 교신 저자인 Pia Cosma 교수는 말했습니다.

체세포와 인간 유도 만능 줄기 세포(hiPSC)를 식별하기 위한 최고의 CNN 아키텍처와 하이퍼파라미터를 선택하기 위해 연구원들은 11개의 서로 다른 CNN 아키텍처를 비교했으며 마지막으로 DenseNet-121은 체세포 식별과 인간 유도 만능 줄기 세포(hiPSC)는 평균 검증 정확도 92.26, 평균 손실 0.292로 가장 잘 수행되었으며, 이는 후속 분석에 사용되었습니다.

뉴클레오솜 코어 히스톤 H3 및 Pol II의 총 349개 핵 2색 STORM 이미지에 대한 모델 성능을 기준으로 선택되었습니다. 선택된 분자의 형광단은 인간 체세포 및 다양한 체세포 유형의 hiPSC에서 수집되었으며 원래 카메라 프레임에 비해 10배 확대된 이미지로 렌더링되었습니다.

AINU는 세포 내 작은 구조를 분자 수준에서 감지하고 분석합니다. 연구자들은 다양한 상태에 있는 다양한 유형의 세포 핵에 대한 나노 규모 해상도 이미지를 제공하여 모델을 훈련했습니다. 이 모델은 핵의 구성 요소가 3차원 공간에서 어떻게 분포되고 배열되는지 분석하여 세포의 특정 패턴을 인식하는 방법을 학습했습니다.

예를 들어, 정상 세포와 비교하여 암세포는 DNA 구성 방식이나 핵 내 효소 분포의 변화 등 핵 구조에 명백한 변화가 있습니다. 훈련 후 AINU는 세포핵의 새로운 이미지를 분석하고 이러한 특성만을 토대로 암세포와 정상세포를 분류할 수 있습니다.

그림: Pol II 및 H3 이미지로 훈련된 AINU는 체세포와 iPSC를 올바르게 식별합니다. (출처: 논문) AINU는 초고해상도 현미경 이미지에서 핵심 히스톤 H3, RNA 폴리머라제 II(Pol II) 또는 DNA의 공간적 배열을 기반으로 다양한 세포 상태를 구별할 수 있습니다. AINU는 소수의 이미지만을 훈련 데이터로 사용하여 적절한 재훈련을 통해 인간 체세포, 인간 유도만능줄기세포(iPSC), 단순 포진 바이러스 유형 I(HSV-1)에 감염된 인간 세포 및 암을 정확하게 식별할 수 있습니다. 세포.

AINU는 체세포와 iPSC를 식별합니다

그림: Pol II 이미지로 훈련된 AINU는 체세포와 iPSC를 올바르게 식별합니다. (출처: 논문)

식별 기능 공개

해석 가능한 AI는 핵소체 내 Pol II 위치화가 AINU가 hiPSC를 식별하는 핵심 기능임을 보여줍니다.

HSV-1 감지

이미지의 나노 수준 해상도를 통해 AI는 세포가 HSV-1에 감염된 후 1시간 이내에 핵의 변화를 감지할 수 있습니다. . 이 모델은 DNA가 얼마나 촘촘하게 포장되어 있는지에 대한 미묘한 차이를 찾아 바이러스의 존재를 감지할 수 있습니다.

임상 적용

연구원들은 이 기술을 임상 환경에 사용하는 데 한계를 극복하고 있습니다.

과학 연구 가속화

AINU는 줄기세포를 정확하게 식별하고 줄기세포 연구를 가속화하는 데 도움을 줍니다.

다능성 세포 검출

AINU는 다능성 세포를 더 빠르고 정확하게 검출하여 줄기세포 치료를 더욱 안전하고 효과적으로 만드는 데 도움을 줍니다.

동물 사용 줄이기

AINU를 사용하면 과학에서 동물 사용을 줄일 수 있습니다.

관련 보고서:

• https://medicalxpress.com/news/2024-08-ai-cancer-viral-infections-nanoscale.html

위 내용은 나노미터 수준의 정밀도로 바이러스 감염을 1시간 안에 탐지할 수 있는 남부의과대학 세포핵 AI 도구가 네이처(Nature) 저널에 게재되었습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!