深度学习:揭示细胞核形态在细胞衰老中的作用

核形态可用作细胞衰老的生物标志物。

我们对 BNN 集成或深度集成进行了采样,以估计它们的不确定性(扩展数据图)。 3a, b). 正确的预测更有可能在输出的较低或较高范围内。 这表明样本状态的确定性更高。 然而,不正确的预测趋向于 0.5 的阈值。 通过从模型中间移除预测,我们可以增加其预测的可信度。 我们在几个模型上测试了各种阈值(扩展数据图)。 通过去除不明确的样本,模型的准确性得到了显着提高。 相同的方法用于其他模型,包括 IR 和 RS 模型(扩展数据图)。 这种方法(图 3g,h)将准确度提高了 10-15%,同时减少了考虑的细胞数量。

我们分析了用 10 Gy IR 诱导衰老的人体细胞,并在第 10、17、24 和 31 天成像。预测器可以识别所有四个时间点的衰老,概率在第 10 天和第 17 天之间增加但减少 到第 31 天,(扩展数据图)。 4a). 有趣的是,在检查预测因子的分布时,很明显非衰老峰的数量在第 17 天后增加。这表明只有少数细胞能够逃脱衰老的诱导并最终长满衰老峰(扩展 资料图)。 4b). 当我们随着时间的推移检查增殖标志物时,PCNA 会减少直到第 17 天,之后表达开始恢复(扩展数据图 4c)。 p21Cip1 的染色强度显示出相反的模式,最初增加,然后在第 31 天略微减少(扩展数据图)。 4D)。 我们还观察到 DAPI 强度在第 10-17 天有所下降,表明衰老。 然而,强度在第 31 天恢复正常。4e)。 我们评估了衰老和增殖的标志物是否与预测的衰老相关,以确认预测因子准确地确定衰老,即使是在 IR 后 31 天。 因此,预测衰老的细胞具有较高的 p21Cip1 和较低的 PCNA 水平以及较低的 DAPI 强度,反之亦然。 4f-h)。 对于形态学上预测的衰老,面积和方面较高,而凸性(扩展数据图)较低。 4i-k)。 最后,简单的细胞核计数证实了 IR 后的生长(扩展数据图 4l)。 总的来说,衰老预测预测器在发育过程中捕获状态并且与多个标记一致。

DNA 损伤标志物 53BP1 和 gH2AX 的持久核的出现(参考文献 31,32)。 我们使用高内涵显微镜检查了我们的基础数据集,其中包括对照、RS 和 IR 线,以了解损伤灶。 我们发现对照的平均数量低于 1,而 RS 显示 4.0 gH2AX 病灶、2.0 53BP1 和 IR 显示 3.4 gH2AX 病灶和 3.053BP1(图。数据集包括对照、RS 和 IR 线。我们检查了损伤病灶 使用高含量显微镜。我们发现对照的每个标记的平均计数小于 1。RS 有 4.0 gH2AX 和 2.0 53BP1 焦点,而 IR 有 3.4 gH2AX 和 3.0 53BP1 焦点(图 5a)。我们计算了 Pearson 相关性 预测老化和 gH2AX 病灶和 53BP1 病灶的计数,并发现在所有条件下都存在适度的高相关性(约 0.5)。4c)。 在绘制焦点计数和衰老预测时可以看到相同的关联,其中显示预测的衰老从低(低)翻转到高(高),以及焦点计数的变化。 5b). 特征缩减掩盖了内部核结构。 然而,值得注意的是,衰老预测与病灶数量相关。 我们还将预测的衰老与面积进行了比较。 相关性约为 0.50。 病灶数量与衰老之间存在显着相关性。

来源和详细信息:
https://www.nature.com/articles/s43587-022-00263-3

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注