Establishment of high-throughput and high-precision profile data acquisition system with high content analyzer

高内涵分析仪高通量高精度剖面数据采集系统的建立

基本信息

  • 批准号:
    21J14853
  • 负责人:
  • 金额:
    $ 0.51万
  • 依托单位:
  • 依托单位国家:
    日本
  • 项目类别:
    Grant-in-Aid for JSPS Fellows
  • 财政年份:
    2021
  • 资助国家:
    日本
  • 起止时间:
    2021-04-28 至 2022-03-31
  • 项目状态:
    已结题

项目摘要

従来の細胞画像特徴量を用いたプロファイルデータ解析の性能の検証のため、スタチン類化合物で刺激されたMCF7細胞およびHeLa細胞を染色し、各オルガネラおよび細胞質の染色画像を取得、細胞形態に関わる特徴量を抽出した。OLSAによるプロファイルデータ解析を行ったところ、cerivastatinに特異的な素作用が抽出されたが、他に系統的な素作用を見出だすことができなかった。細胞画像から特徴量を抽出する段階に課題があると考え、ラットに160種類の化合物を投与し、20000枚を超える肝臓HE染色画像を収載したデータベースOpen TG-GATEs (TGGATEs)に注目した。Convolutional Neural Networkの一種であるEfficientNetB4から、TGGATEsの画像と病理所見を学習データとした深層学習により、細胞の形態特徴量抽出モデルを作成した。Leave one out法を用いた試験により、病理所見を学習させたモデルが、学習させた病理所見以外の画像特徴の情報を高い精度で抽出していることを検証した。作成したモデルにより抽出された特徴量を用いて、logistic回帰モデルを作成し、TGGATEs画像が持つ特徴を予測させることで性能を評価した。投与化合物の分類、投与化合物のmechanism of actionの分類、画像に存在する病理所見の判別のいずれにおいても、既存のImageNet pretrained modelよりも優れた性能を示していた。構築した特徴量抽出モデルは、HCAで取得した画像の特徴量抽出にも活用可能であると考えられる。また、病理所見の診断や、薬物の安全性試験などへの応用も期待される。
を 従 の cell portraits, 徴 quantity with い た プ ロ フ ァ イ ル デ ー タ parsing の performance の 検 card の た め, ス タ チ ン compounds で stimulus さ れ た MCF7 cells お よ び HeLa を dyeing し, each オ ル ガ ネ ラ お よ び cytoplasm の dyeing portrait を acquisition, cell morphology に masato わ る, 徴 quantity を drew し た. OLSA に よ る プ ロ フ ァ イ ル デ ー タ parsing line を っ た と こ ろ, cerivastatin に specific な element function が spare さ れ た が, he に system な element を shows だ す こ と が で き な か っ た. Cell portrait か ら, 徴 quantity を drew す る Duan Jie に subject が あ る と え test, ラ ッ ト に を throw 160 kinds の compounds with し, 20000 を え る crucial liver HE staining portrait を 収 load し た デ ー タ ベ ー ス Open TG - GATEs (TGGATEs) に attention し た. Convolutional Neural Network の a で あ る EfficientNetB4 か ら, TGGATEs の portrait と pathology seen を learning デ ー タ と し た deep learning に よ の り, cell morphological 徴 quantity spare モ デ ル を made し た. Leave one out method を with い た test に よ り, pathology seen を learning さ せ た モ デ ル が, learning さ せ た portraits can see beyond の pathologic 徴 の intelligence を high precision い で drew し て い る こ と を 検 card し た. Made し た モ デ ル に よ り spare さ れ た, を 徴 quantity with い て, logistic 帰 モ デ ル を made し, portrait TGGATEs が hold つ 徴 を be さ せ る こ と で を performance evaluation 価 し た. With compound の classification, shots and compound の mechanism of the action の classification, portrait に exist す る pathology seen の discriminant の い ず れ に お い て も, existing の ImageNet pretrained model よ り も optimal れ た performance を shown し て い た. Construct the characteristic quantities of た, extract モデ モデ モデ えられる, and HCAで to obtain the た portrait of <s:1>. Extract the characteristic quantities of に and apply them flexibly, which may であると study えられる. Youdaoplaceholder0, pathological findings and <s:1> diagnosis や, drug <s:1> safety tests な <s:1> へ 応 応 応 use 応 to expect される.

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

前寺 正太郎其他文献

前寺 正太郎的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

相似海外基金

病理画像診断の言語モデルをもった口腔がんの新たな診断法の基盤構築
使用病理图像诊断语言模型为新型口腔癌诊断方法奠定基础
  • 批准号:
    24K13114
  • 财政年份:
    2024
  • 资助金额:
    $ 0.51万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
前立腺における病理画像情報の3次元可視化技術
前列腺病理图像信息3D可视化技术
  • 批准号:
    24K21119
  • 财政年份:
    2024
  • 资助金额:
    $ 0.51万
  • 项目类别:
    Grant-in-Aid for Early-Career Scientists
小細胞肺癌に対する免疫治療長期奏効を予測する病理画像人工知能バイオマーカー開発
病理成像人工智能生物标志物开发预测小细胞肺癌的长期免疫治疗反应
  • 批准号:
    24K15816
  • 财政年份:
    2024
  • 资助金额:
    $ 0.51万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
大腸癌の病理画像解析システムの開発と空間統計学的バイオマーカー検索
结直肠癌病理图像分析系统开发及空间统计生物标志物搜索
  • 批准号:
    24K10381
  • 财政年份:
    2024
  • 资助金额:
    $ 0.51万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
CT、PETCT、病理画像のテクスチャー解析を用いた肺癌再発予後予測モデルの確立
利用CT、PETCT和病理图像的纹理分析建立肺癌复发预后预测模型
  • 批准号:
    24K18756
  • 财政年份:
    2024
  • 资助金额:
    $ 0.51万
  • 项目类别:
    Grant-in-Aid for Early-Career Scientists
深層学習を用いたデジタル病理画像とラジオミクスでの非小細胞肺癌ALK予測モデル構築
利用深度学习的数字病理图像和放射组学构建非小细胞肺癌 ALK 预测模型
  • 批准号:
    23K05744
  • 财政年份:
    2023
  • 资助金额:
    $ 0.51万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
人工知能により創出された新たな知に基づく病理画像解析システムの開発
基于人工智能新知识的病理图像分析系统的开发
  • 批准号:
    23K11870
  • 财政年份:
    2023
  • 资助金额:
    $ 0.51万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
放射線・病理画像テクスチャ解析を用いた肺癌の腫瘍遺伝子変異量予測モデルの開発
利用放射学和病理图像纹理分析开发肺癌肿瘤基因突变预测模型
  • 批准号:
    23K07103
  • 财政年份:
    2023
  • 资助金额:
    $ 0.51万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
デジタル病理画像深層学習によるびまん性大細胞型B細胞リンパ腫の予後予測モデル構築
利用数字病理图像的深度学习构建弥漫性大 B 细胞淋巴瘤的预后预测模型
  • 批准号:
    21K15410
  • 财政年份:
    2021
  • 资助金额:
    $ 0.51万
  • 项目类别:
    Grant-in-Aid for Early-Career Scientists
Deep Learningを用いたデジタル病理画像からの遺伝子変異推定
使用深度学习从数字病理图像估计基因突变
  • 批准号:
    16H06766
  • 财政年份:
    2016
  • 资助金额:
    $ 0.51万
  • 项目类别:
    Grant-in-Aid for Research Activity Start-up
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了