一种高通量筛选DNA损伤反应抑制剂的方法技术

本发明专利技术公开了一种高通量筛选DNA损伤反应抑制剂的方法，包括如下步骤：S1、对基于U‑Net网络的细胞核分割网络模型进行训练；S2、构建细胞核类别判定网络模型并进行训练；S3、利用高内涵成像设备对DNA损伤反应抑制剂作用后的细胞进行拍摄获得待分析图像；将待分析图像输入细胞核分割网络模型后再输入细胞核类别判定网络模型，统计每种DNA损伤反应抑制剂对应的损伤细胞核占比，损伤细胞核占比越小，DNA损伤反应抑制剂的效果越好。本发明专利技术所述的方法能够自动地批量地针对高内涵成像设备获取到的图像进行分割和类别决策，通过统计分析可以初步筛选出具有进一步研究价值的化合物。

【技术实现步骤摘要】
一种高通量筛选DNA损伤反应抑制剂的方法
本专利技术涉及DNA损伤、药物筛选和深度学习
，具体涉及一种高通量筛选DNA损伤反应抑制剂的方法。
技术介绍
生物体受到各种内源性和外源性因素(例如活性氧，DNA复制错误，紫外线照射，电离辐射和遗传毒性剂)时，会引起DNA损伤。DNA损伤的积累被证明与器官衰老和癌症发展密切相关。尽管抑制DNA损伤或优化DNA修复过程是否延缓人类衰老尚存疑问，但证据表明，预防DNA损伤和促进DNA修复是与年龄有关的疾病(包括血管疾病、代谢性疾病、神经退行性疾病)的关键治疗靶标。此外，由于肿瘤组织蓄积DNA损伤的可能性较高，因此DNA损伤反应抑制剂(DDR)也可用于治疗癌症。因此，开发一种快速准确地高通量的DDR筛选方法具有重要的学术价值。核病灶的发生是一种常见的DNA损伤指标，在生物计量学、个体辐射敏感性评估和毒性评估中有着广泛的应用。核病灶的形成是由双链断裂处某些DDR蛋白的积累或修饰引起的。DDR蛋白包括γH2AX，53BP1，RAD51，MRE11/RAD50/NBS1复合物等本文档来自技高网...

【技术保护点】
1.一种高通量筛选DNA损伤反应抑制剂的方法，其特征在于，包括如下步骤：/nS1、对基于U-Net网络的细胞核分割网络模型进行训练；/nS2、构建细胞核类别判定网络模型并进行训练；/nS3、利用高内涵成像设备对DNA损伤反应抑制剂作用后的细胞进行拍摄获得待分析图像；将待分析图像输入细胞核分割网络模型后再输入细胞核类别判定网络模型，统计每种DNA损伤反应抑制剂对应的损伤细胞核占比，损伤细胞核占比越小，DNA损伤反应抑制剂的效果越好。/n

【技术特征摘要】
1.一种高通量筛选DNA损伤反应抑制剂的方法，其特征在于，包括如下步骤：
S1、对基于U-Net网络的细胞核分割网络模型进行训练；
S2、构建细胞核类别判定网络模型并进行训练；
S3、利用高内涵成像设备对DNA损伤反应抑制剂作用后的细胞进行拍摄获得待分析图像；将待分析图像输入细胞核分割网络模型后再输入细胞核类别判定网络模型，统计每种DNA损伤反应抑制剂对应的损伤细胞核占比，损伤细胞核占比越小，DNA损伤反应抑制剂的效果越好。


2.根据权利要求1所述的高通量筛选DNA损伤反应抑制剂的方法，其特征在于，所述的细胞核分割网络模型的结构包括两个串联的U-Net网络，输入细胞核分割网络模型的待分析图像首先经过第一U-Net网络，得到第一掩膜图像；待分析图像与第一掩膜图像相乘后输入第二U-Net网络，得到第二掩膜图像，待分析图像与第二掩膜图像相乘后，再经连通域算法得到每个连通区域的所有像素点的位置，进而把每个联通区域单独裁切出来。


3.根据权利要求1所述的高通量筛选DNA损伤反应抑制剂的方法，其特征在于，所述的对基于U-Net网络的细胞核分割网络模型进行训练，具体如下：
S11、构建第一U-Net网络和第二U-Net网络；
S12、DATA-SCIENCE-BOWL-2018数据集先经过resize函数，然后用于训练第一U-Net网络；
S13、BBBC039图片数据集先经过resize函数，然后用于训练第二U-Net网络。


4.根据权利要求3所述的高通量筛选DNA损伤反应抑制剂的方法，其特征在于，所述的第一U-Net网络和第二U-Net网络的结构均包括编码器和解码器，编码器和解码器之间存在快捷连接；
所述编码器的结构包含了4～5个子块；除最后一个子块外，每个子块包括依次连接的两个卷积层和一个池化层，使用elu作为激活函数，在两个卷积层之间加入了一个Dropout层；最后一个子块包括两个卷积...

【专利技术属性】
技术研发人员：王毅，王锐，荀德金，陈雪纯，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33