The embodiment of the present invention provides a method and device for predicting autophagy phenotype of cells. The method includes collecting cell images, preprocessing the cell images, improving image quality, facilitating batch operation and obtaining analysis images. According to the position of cells in the analysis image, the analysis image is segmented into a single cell image to realize the accurate recognition of a single cell image. The autophagy probability is calculated by putting the single-cell image into the trained convolution neural network model. Then the cells corresponding to the single-cell image whose autophagy probability is greater than the preset classification threshold are identified as autophages, which avoids manual extraction and recognition, facilitates batch identification and prediction, and achieves cell counting.
【技术实现步骤摘要】
一种细胞自噬表型的预测方法及装置
本专利技术涉及图像识别领域,具体而言,涉及一种细胞自噬表型的预测方法及装置。
技术介绍
细胞自噬是细胞清除有害蛋白和物质重新利用以维持细胞稳态的一种机制。在正常生理条件下,自噬依赖于溶酶体(或液泡)包裹受损的细胞器,蛋白质聚集体,长寿蛋白等,并将它们运送到溶酶体或液泡进行降解。根据自噬功能和作用底物的不同可以将自噬分为巨自噬,微自噬和分子伴侣介导的自噬。我们通常所讲的细胞自噬为巨自噬。细胞在饥饿,缺氧及低能量等条件下,胞质内会形成双层囊泡结构并不断包裹胞质成分最后封闭形成自噬体,自噬体进而与溶酶体或液泡融合并通过其中的酸性水解酶降解包裹物质。细胞自噬是一个复杂而保守的过程,由于酵母细胞在遗传上的可操作性和自噬过程的高度保守,酵母成为目前自噬研究最充分的模式生物。在酵母自噬过程中,Atg8(一种蛋白质)对于自噬体的形成起着至关重要的作用,其关系到自噬体膜的弯曲、自噬底物的募集的过程,是自噬过程中唯一一直定位于自噬体膜的蛋白质。因此一种最便捷的观测自噬发生的方法就是直接观察N端连接GFP(Greenfluorescentprotein,绿色萤光蛋白)的Atg8是否顺利运输到液泡。自噬未发生时,GFP-Atg8会均匀的分布于细胞质中,当自噬被诱导发生时,GFP-Atg8会迅速招募到自噬体内外膜上,内膜上的GFP-Atg8会随着自噬体和液泡的融合被降解为游离的GFP。研究表明,通过计算GFP-Atg8定位于液泡内的细胞所占的百分比可以作为衡量自噬活性的方法。但是人工分析荧光图像、搜索感兴趣区域和提取图像特征非常耗时和费力,目前虽然 ...
【技术保护点】
1.一种细胞自噬表型的预测方法,其特征在于,包括:获取细胞图像,对所述细胞图像进行预处理,得到分析图像;根据所述分析图像中细胞的位置,将所述分析图像分割为单细胞图像;将所述单细胞图像输入经过训练的卷积神经网络模型进行计算,得到自噬概率;将所述自噬概率大于预设分类阈值的单细胞图像所对应的细胞确定为自噬细胞。
【技术特征摘要】
1.一种细胞自噬表型的预测方法,其特征在于,包括:获取细胞图像,对所述细胞图像进行预处理,得到分析图像;根据所述分析图像中细胞的位置,将所述分析图像分割为单细胞图像;将所述单细胞图像输入经过训练的卷积神经网络模型进行计算,得到自噬概率;将所述自噬概率大于预设分类阈值的单细胞图像所对应的细胞确定为自噬细胞。2.根据权利要求1所述的方法,其特征在于,采集细胞图像,对所述细胞图像进行预处理,得到分析图像的步骤,包括:获取经过染色处理的细胞图像,对所述经过染色处理的细胞图像进行预处理,得到分析图像。3.根据权利要求1所述的方法,其特征在于,所述根据所述分析图像中细胞的位置,将所述分析图像分割为单细胞图像的步骤,包括:根据所述分析图像中细胞所在区域的灰度均值,以及所述分析图像中细胞所在区域之外的灰度均值,以及所述分析图像的整体灰度均值,获得所述分析图像的类间方差;根据所述分析图像的类间方差与预设的由量子粒子群算法计算获得的最佳阈值向量,得到所述分析图像的分割阈值;根据所述分割阈值,将所述分析图像分割为单细胞图像。4.根据权利要求1所述的方法,其特征在于,在所述根据所述分析图像中细胞的位置,将所述分析图像分割为单细胞图像之后,且在所述将所述单细胞图像输入经过训练的卷积神经网络模型进行计算,得到自噬概率的步骤之前,还包括:从所述单细胞图像中分出训练组;采用所述训练组对所述卷积神经网络模型进行学习训练,得到经过训练的所述卷积神经网络模型。5.根据权利要求4所述的方法,其特征在于,所述训练组中的每个细胞都包含代表该细胞绿色荧光蛋白的绿色亮斑与代表该细胞液泡膜位置的红色荧光之间的相对位置关系;所述相对位置关系包括:所述绿色亮斑位于所述红色荧光的区域之内,和所述绿色亮斑位于所述红色荧光的区域之外。6.根据权利要求5所述的方法,其特...
【专利技术属性】
技术研发人员:薛宇,张颖,任间,
申请(专利权)人:华中科技大学鄂州工业技术研究院,华中科技大学,
类型:发明
国别省市:湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。