Des chercheurs de l’Université du Kent ont développé un algorithme informatique capable d’identifier les différences dans les lignées de cellules cancéreuses sur la base d’images microscopiques, un développement unique pour mettre fin aux erreurs d’identification des cellules dans les laboratoires.
Les lignées cellulaires cancéreuses sont des cellules isolées et cultivées sous forme de cultures cellulaires dans des laboratoires pour l’étude et le développement de médicaments anticancéreux. Cependant, de nombreuses lignées cellulaires sont mal identifiées après avoir été échangées ou contaminées par d’autres, ce qui signifie que de nombreux chercheurs peuvent travailler avec des cellules incorrectes.
Ce problème persiste depuis le début des travaux sur les lignées de cellules cancéreuses. L’analyse de répétition en tandem courte (STR) est couramment utilisée pour identifier les lignées de cellules cancéreuses, mais elle est coûteuse et prend du temps. De plus, STR ne peut pas faire la distinction entre les cellules d’une même personne ou d’un même animal.
Sur la base d’images microscopiques d’un ensemble pilote de lignées cellulaires et utilisant des modèles informatiques capables d’un « apprentissage profond », des chercheurs de la Kent’s School of Engineering and Digital Arts (EDA) et de la School of Computing (SoC) ont formé les ordinateurs pendant une période de comparaison de masse. des données sur les cellules cancéreuses. À partir de là, ils ont développé un algorithme permettant aux ordinateurs d’examiner des images numériques microscopiques distinctes de lignées cellulaires et de les identifier et de les étiqueter avec précision.
Cette percée a le potentiel de fournir un outil facile à utiliser qui permet l’identification rapide de toutes les lignées cellulaires dans un laboratoire sans équipement ni connaissances d’experts.
Cette recherche a été menée par le Dr Chee (Jim) Ang (SoC) et le Dr Gianluca Marcelli (EDA) avec les principaux experts en lignées cellulaires cancéreuses, le professeur Martin Michaelis et le Dr Mark Wass (École des biosciences).
Le Dr Ang, maître de conférences en multimédia / systèmes numériques, a déclaré: «Notre collaboration a démontré d’énormes résultats pour une mise en œuvre future potentielle dans les laboratoires et dans la recherche sur le cancer. L’utilisation de ce nouvel algorithme produira d’autres résultats susceptibles de transformer le format d’identification des cellules en science, donnant aux chercheurs une meilleure chance d’identifier correctement les cellules, ce qui réduira les erreurs dans la recherche sur le cancer et pourra potentiellement sauver des vies.
«Les résultats montrent également que les modèles informatiques peuvent attribuer des critères exacts utilisés pour identifier correctement les lignées cellulaires, ce qui signifie que le potentiel pour les futurs chercheurs d’être formés à l’identification précise des cellules peut également être grandement amélioré.
- TESTO Complément NOlow-cellule de mesure pour Testo 330 1/2/3,0-3000 ppm. nouvelleOutillage Outillage à main Outil de mesure électronique Thermomètre TESTO, Vous recherchez le produit Complément NOlow-cellule de mesure pour Testo 330 1/2/3,0-3000 ppm. nouvelle version avec ecran couleurAccessoires communs de testo 330-1 et 330-2 Type : Rajout ultérieur module NO low 0 ...
- ROBOT DE NETTOYAGE Venga! Robot Aspirateur 3 en 1, fonction balai, aspirateur et laveur de sol, avec un réservoir; d&rsquo6