Модель глубокого обучения для автоматизации анализа фокусов репарации ДНК в соматических клетках млекопитающих

Аннотации

Аннотация

Двунитевые разрывы (ДР), вызванные действием ионизирующего излучения, являются наиболее опасными для жизнеспособности клеток повреждениями ДНК. В данной работе представлен метод количественной оценки ДР ДНК,  основанный на анализе фокусов репарации ДНК ($p$ATM и $γ$H2AX) в соматических клетках млекопитающих как наиболее надежных биомаркеров ДР ДНК. Дермальные фибробласты человека и мезенхимальные стволовые клетки человека облучали рентгеновским излучением в дозах 1, 2 и 5 Гр и через 24 ч после облучения получали их флуоресцентные иммуноцитохимические микрофотографии. Полученные изображения были аннотированы на платформе CVAT и экспортировались в формате Yolo (You-Look-Only-Once). Для автоматизации подсчета количества фокусов был разработан алгоритм на базе моделей глубокого обучения, который состоит из двух этапов. Первый этап — это детекция клеток на изображении, для чего использовались методы компьютерного зрения и предобученная нейронная сеть. Второй этап — детекция фокусов на изображении каждой клетки, предварительно вырезанной из начального изображения, что  существлялось с использованием обученной нейросетевой модели Yolo. Результаты разработанного алгоритма сравнивались с подсчетами биологов и с результатами, полученными с помощью программного пакета DARFI. Аннотирование данных, обучение моделей и разработка алгоритмов проводились на ресурсах экосистемы ML/DL/HPC гетерогенной платформы HybriLIT.