TEL:17312606166（伞司理）
腾博会官网临床前大动物实验中心
17312606166
在以斑马鱼为模式生物的毒理学研究历程中，形态剖析（morphometric analysis）是快速筛查新污染物、化学品、药品等物质对生物造成异常影响历程或探讨致病机理的主要剖析手段。除胚胎致死率和孵化率外，污染物对斑马鱼幼鱼所爆发的多种毒性终点和亚致死影响等是探索该物质毒性作用模式的有用途径。
克日，同济大学林思劼团队在Environmental Science & Technology上在线揭晓了题为“Deep Learning-Enabled Morphometric Analysis for Toxicity Screening Using Zebrafish Larvae”的科学论文。该研究立异生长了一种基于深度学习的斑马鱼仔鱼形态剖析要领（Deep Learning-enabled Morphometric Analysis，DLMA），该要领基于高通量筛�。℉igh Throughput Screening, HTS）和深度学习手艺实现客观且高效地剖析毒性物质对斑马鱼幼鱼生长发育的影响（图1）。
图1 DLMA事情流程
研究选用包括重金属、内渗透滋扰物以及代表性新污染物等九种化学物质（PFOS，BPA，CdCl2，PbI2，APAP，27-DBCZ，36-DBCZ，3-BCZ，1368-TBCZ）举行斑马鱼胚胎的袒露实验，并接纳自动化成像装置（EVOS M5000, Thermo Fisher Scientific）收罗并构建了凌驾2500张具有最普遍代表性的仔鱼（120 hours post-fertilization）表型畸形数据库。随后，使用AI辅助标注Labelbox对其中1328张图像标注了具有16种类别的实例，其中包括8种经典畸形形貌：头部出血、下颚畸形、鱼鳔未膨起、心包水肿、卵黄囊水肿、脊柱弯曲、殒命和未孵化；以及8种主要器官：眼睛、下颚、卵黄囊、心脏、头部、脊柱、鱼鳔和尾部。研究基于两种深度学习视觉模子，Mask R-CNN和TensorMask，以Res-Net 50/101为主干网络，对上述数据集在开源深度学习目的检测框架Detectron2上举行训练并优化，经由3万次迭代获得的预训练模子的全类平均准确率（mAP，mean average precision）高于95%。与古板机械学习模子相比，基于Mask R-CNN建设的DLMA要领能够同时处置惩罚斑马鱼仔鱼的畸形检测和分类以及主要器官的语义支解，因此在对上述16种种别举行分类和检测的同时，能够实现对每个类别的准确支解，获得每个主要器官的量化数据（如眼睛巨细，心包面积等），其检测速率使用NVIDIA RTX 2080 GPU能够抵达13 FPS（0.075s每张）。别的，该要领划分在未训练过的120 hpf的斑马鱼图像（1080张）和果真数据集斑马鱼仔鱼图像（870张）举行了统计学验证，划分抵达了93%和86%的准确率，且量化数据的误差均低于10%（图2）。
图2 模子训练，器官分类和量化参数
该要领的建设还使构建物质种类与畸形表型和主要器官受影响水平的构效关系成为可能（图3）。研究发明APAP和PbI2划分诱导爆发了色素缺失和头部出血，被单独分为一簇；BPA和PFOS两种内渗透污染物爆发了显着的发育延迟效应，被分为一个子簇；PHCZs（polyhalogenated carbazoles）系列化学物质由于具有与二恶英（TCDD）类似的化学结构而爆发了相似的心脏毒性效应，诱导爆发了显着的心包水肿畸形，包括3-BCZ、27-DBCZ、36-DBCZ和1368-TBCZ等四种新污染物被分类在一个父簇之下。
图3 化学物质与表型终点之间联系的关系图
这项研究通过生长DLMA剖析要领和实例验证了深度学习在古板毒理学筛选领域的应用潜力，团结人工智能领域的手艺有助于加速情形毒理学研究的希望�Ｋ剂康酱笞诓愠霾磺畹娜斯せ泛托挛廴疚镏掷�，使用深度学习及其他自动化妆置构建筛选和评估物质毒性的自动化平台具有重大意义。DLMA事情流程能够作为高通量剖析的基础框架，推动构建一个可以快速评估并展望新污染物毒性作用的情形康健评价系统，从而更好地相识化学物质对情形和生物康健的影响，并制订更适当的管控治理战略。
同济大学情形科学与工程学院硕士研究生董公卿为该论文的第一作者，同济大学情形科学与工程学院林思劼教授为该论文的通讯作者。本研究获得了国家自然科学基金（No. 21777116；No.22176150）和中央高�；究蒲杏捣炎ㄏ钭式鸬认钅康淖手�。
| 上一篇：浙江大学徐鹏飞团队与哈佛大学相助乐成使用斑马鱼胚胎干细胞体外构建头部类似结构 | 下一篇：大鼠慢性支气管炎造模SOP |
|
|
|
在线 手艺在线效劳时间：9:00-20:00 在腾博会官网，您对接的是手艺职员，而非客服传话！
电话
17312606166
微信
加微信获取对接
|
