細胞培養解析装置CS-1 - アプリケーション

Add Bookmark

{"hasMore":true,"more":{"id":"tbaleAnchor_more","label":"\u7d9a\u304d"},"anchors":[{"id":"tbaleAnchor_applications","label":"\u30a2\u30d7\u30ea\u30b1\u30fc\u30b7\u30e7\u30f3"},{"id":"tbaleAnchor_technical","label":"\u30c6\u30af\u30cb\u30ab\u30eb\u30c9\u30ad\u30e5\u30e1\u30f3\u30c8"},{"id":"tbaleAnchor_manual","label":"\u30de\u30cb\u30e5\u30a2\u30eb"}]} {"title":"\u30a2\u30d7\u30ea\u30b1\u30fc\u30b7\u30e7\u30f3","columnTitle":"\u30a2\u30d7\u30ea\u30b1\u30fc\u30b7\u30e7\u30f3","source":"product","key":4866,"filter_types":["applications","application_note","posters"],"config_list":[],"anchor":"tbaleAnchor_applications","filter":true} {"title":"\u30c6\u30af\u30cb\u30ab\u30eb\u30c9\u30ad\u30e5\u30e1\u30f3\u30c8","columnTitle":"\u30c6\u30af\u30cb\u30ab\u30eb\u30c9\u30ad\u30e5\u30e1\u30f3\u30c8","source":"product","key":4866,"filter_types":["technical","technical_reports","white_papers","primers"],"config_list":[],"anchor":"tbaleAnchor_technical","filter":true} {"title":"\u30de\u30cb\u30e5\u30a2\u30eb","columnTitle":"\u30de\u30cb\u30e5\u30a2\u30eb","source":"product","key":4866,"filter_types":["manuals"],"config_list":[],"anchor":"tbaleAnchor_manual","filter":true}

細胞コンフルエンシーの推定

深層学習により，iPS細胞の領域を認識し，コンフルエンシーを計測できます！

 

実施例

：

4日間培養したiPS細胞をCS-1で1日1回撮影し，その画像中に占めるiPS細胞コロニーの領域を深層学習によって推定した。推定された面積からコンフルエンシー変化を定量した。

推定対象

：

iPS細胞（1231A3株）の内，未分化状態のコロニー。2プレートの対象で，それぞれ1wellから中央2視野分を対象とした。

教師データ作成

：

評価対象とは異なるウェルの画像を対象とし，目視にて細胞領域を指定し，細胞領域と背景を識別する画像データを作成した。

評価方法

：

教師データ作成方法と同様の手法で評価用データの細胞領域と背景を識別し，その結果と深層学習による推論結果と比較しAccuracyとIoUを評価した。
※AccracyとIoUの詳細については別項での説明をご参照ください。

深層学習による推定の評価結果：
4日間の培養において，各培養日ごとに二つのプレートから各2視野分，合計4視野のコンフルエンシ―を推定しました。4視野のAccuracyは97%程度、IoUは0.9程度となる推定結果を得られました。

 Appendix：評価指標AccuracyとIoUについて 

20×20pixelの領域にある9×9pixelの物体を検出する時，左図のように上下方向，左右方向で1pixelずつずれて推定された場合

Accuracy : (TP+TN)/ALL = 91.5%
IoU　　 ：TP/(TP+FN+FP) = 0.653

TP：True Positive　 ／ Aと予想して正解もA
FP：False Positive　 ／ Aと予想したが正解はB
TN：True Negative　／ Bと予想して正解もB
FN：False Negative　／ Bと予想したが正解はA

 他の細胞への適用例 

HeLa細胞のような非コロニー性の細胞領域も推定することができます。
CS-1では強度情報に依存せず安定した画質で撮影できるため，深層学習を始めとする機械学習の推定に有意な画像を得られます。

光学厚みによる分化細胞と未分化細胞の識別

CultureScannerは，光学厚みという定量情報が表示可能です。そこで，この新たな定量情報となる光学厚みを用いて，iPS細胞の未分化維持コロニーと未分化逸脱細胞が識別可能であるか検討しました。

まず，未分化iPS細胞コロニー(①)と未分化逸脱細胞(②)をIHM方式でスキャンした後，未分化性を，AP染色により確認しました。 次に，IHM位相像から，①と②の光学厚みを測定しました（Fig.1,2）。①と②の光学厚みを比較したところ，有意な差が認められました(Fig.3)。

さらに，iPS細胞由来神経細胞の光学厚みを測定しました。分化誘導開始3日後までの細胞と，未分化iPS細胞コロニーの光学厚みを比較したところ，有意な差が認められました。

以上より，光学厚みは細胞を識別するための定量情報として，研究用途はもちろん，新たな工程管理指標としても活用できる可能性が示唆されました。