26.04.2024
Подписывайтесь на Telegram-канал по ссылке

Алгоритм машинного обучения научился находить на снимках заражённые вирусом клетки

Microscopy Deep Learning Predicts Viral Infections

Исследователи из университета Цюриха обучили нейронную сеть распознавать клетки, инфицированные аденовирусами или вирусами герпеса. С помощью метода флуоресцентной микроскопии они собрали изображения клеток, на которых обучили алгоритм машинного обучения.

Флуоресцентная микроскопия позволяет увидеть изменения в ядре клетки, поражённой вирусом. Она также помогает выявлять тяжёлые острые инфекции на ранней стадии: у человека аденовирусы могут инфицировать клетки дыхательных путей, а вирусы герпеса — клетки кожи и нервной системы. Эти вирусы также могут вызывать стойкие инфекции, которые не может полностью подавить иммунная система и которые производят вирусные частицы в течение многих лет. Когда поражённые клетки выделяют большое количество вирусов, инфекция начинает быстро распространяться, что может привести к острым заболеваниям лёгких или нервной системы.

Исследовательская группа Урса Гребера, профессора кафедры молекулярных наук, показала, что алгоритм машинного обучения может распознавать клетки, инфицированные герпесом или аденовирусами, исключительно на основе флуоресценции ядра. Авторы считают, что их разработка может предсказывать реакцию клеток человека на вирусы или микроорганизмы и открывает новые возможности для понимания инфекций и открытия новых активных агентов против патогенов.

Метод анализа основан на сочетании флуоресцентной микроскопии живых клеток с процессами глубокого обучения. Герпес и аденовирусы, образующиеся внутри инфицированной клетки, изменяют организацию ядра, и эти изменения можно наблюдать под микроскопом. Группа разработала алгоритм глубокого обучения для автоматического обнаружения этих изменений. Сеть обучается с помощью большого набора микроскопических изображений и учится определять закономерности, характерные для инфицированных или неинфицированных клеток.

Исследовательская группа также продемонстрировала, что алгоритм способен выявлять острые и тяжёлые инфекции с точностью 95 % и заблаговременно, до 24 часов. Обучающим материалом послужили изображения живых клеток литических инфекций (когда вирус воспроизводит себя и убивает клетку-хозяина), а также изображения устойчивых инфекций, при которых вирусы производятся непрерывно, но только в небольших количествах.

Группа уже обнаружила некоторые различия: внутреннее давление ядра больше при литических инфекциях, чем при устойчивых. Кроме того, в клетке с литической инфекцией вирусные белки быстрее накапливаются в ядре.