छवियों का विश्लेषण करने के लिए आर्टिफिशियल इंटेलिजेंस (एआई) का उपयोग आमतौर पर उपयोग किए जाने वाले तरीकों की तुलना में एक शक्तिशाली, कम पक्षपातपूर्ण और तेजी से दृष्टिकोण के रूप में उभर रहा है। यहां हमने एआई को एक सेलुलर ऑर्गेनेल, प्राथमिक सिलिया को पहचानने और कठोर और प्रजनन तरीके से लंबाई और धुंधला तीव्रता जैसे गुणों का विश्लेषण करने के लिए प्रशिक्षित किया।
सिलिया माइक्रोट्यूबुल आधारित सेलुलर उपांग हैं जो कई स्तनधारी सेल प्रकारों में सिग्नलिंग रास्तों की विविधता के लिए सिग्नलिंग केंद्रों के रूप में कार्य करते हैं। सिलिया लंबाई अत्यधिक संरक्षित, कसकर विनियमित है, और विभिन्न कोशिका प्रकारों और ऊतकों के बीच भिन्न होती है और सीधे उनकी सिग्नलिंग क्षमता को प्रभावित करने में फंसाया गया है। उदाहरण के लिए, सिलिया को सिलियरी जी प्रोटीन-युग्मित रिसेप्टर्स की सक्रियता के जवाब में उनकी लंबाई में परिवर्तन करने के लिए दिखाया गया है। हालांकि, कई सिलिया की लंबाई को सही और पुन: उत्पन्न करना एक समय लेने वाली और श्रम-गहन प्रक्रिया है। वर्तमान दृष्टिकोण भी त्रुटि और पूर्वाग्रह प्रवण हैं। आर्टिफिशियल इंटेलिजेंस (एआई) कार्यक्रमों का उपयोग व्यापक डेटा सेट के आत्मसात, हेरफेर और अनुकूलन की अनुमति देने वाली क्षमताओं के कारण इनमें से कई चुनौतियों को दूर करने के लिए किया जा सकता है। यहां, हम प्रदर्शित करते हैं कि वीवो और इन विट्रो नमूनों दोनों से छवियों में सिलिया को पहचानने के लिए एक एआई मॉड्यूल को प्रशिक्षित किया जा सकता है। सिलिया की पहचान करने के लिए प्रशिक्षित एआई का उपयोग करने के बाद, हम उन अनुप्रयोगों को डिजाइन और तेजी से उपयोग करने में सक्षम हैं जो लंबाई, फ्लोरेसेंस तीव्रता और सह-स्थानीयकरण के लिए एक ही नमूने में सैकड़ों सिलिया का विश्लेषण करते हैं। इस निष्पक्ष दृष्टिकोण ने हमारे आत्मविश्वास और कठोरता में वृद्धि की जब विट्रो में विभिन्न प्राथमिक न्यूरोनल प्रेप के नमूनों के साथ-साथ एक जानवर के भीतर और जानवरों के बीच विभिन्न मस्तिष्क क्षेत्रों में नमूनों की तुलना की। इसके अलावा, इस तकनीक का उपयोग कई नमूनों और उपचार समूहों में उच्च थ्रूपुट तरीके से किसी भी सेल प्रकार और ऊतक से सिलिया गतिशीलता का मज़बूती से विश्लेषण करने के लिए किया जा सकता है। अंततः, एआई-आधारित दृष्टिकोण मानक बन जाएंगे क्योंकि अधिकांश क्षेत्र छवि अधिग्रहण और विश्लेषण के लिए कम पक्षपातपूर्ण और अधिक प्रजनन योग्य दृष्टिकोणों की ओर बढ़ते हैं।
प्राथमिक सिलिया संवेदी ऑर्गेनेल्स होते हैं जो अधिकांश स्तनधारी कोशिका प्रकार 1 ,2,3,4से फैलते हैं । वे आम तौर पर बाहुलर संकेतों को एकीकृत करके विविध सेल सिग्नलिंग रास्तों के समन्वय के लिए महत्वपूर्ण होते हैं5,6,7. प्राथमिक सिलिया भ्रूणीय विकास और वयस्क ऊतक होमोस्टेसिस के दौरान महत्वपूर्ण भूमिकाएं निभाते हैं, और उनके कार्य या आकृति विज्ञान का व्यवधान कई आनुवंशिक विकारों से जुड़ा हुआ है, जिन्हें सामूहिक रूप से सिलिओपैथी कहा जाता है। सिलिया की निकट सर्वव्यापी प्रकृति के कारण, सिलिओपैथी नैदानिक विशेषताओं की एक विस्तृत श्रृंखला से जुड़े हुए हैं जो सभीअंग प्रणालियों8,9,10, 11,12को प्रभावित कर सकते हैं। सिलियोपैथी के पशु मॉडलों में, सिलियरी-संरचना या सिग्नलिंग क्षमता का नुकसान हाइपरफैगिया से जुड़ेमोटापे3, 13,14,15सहित कई चिकित्सकीय प्रासंगिक फेनोटाइप में प्रकट होता है। कई मॉडल प्रणालियों में, सिलिया लंबाई में परिवर्तन उनकी संकेत क्षमता को प्रभावित करने के लिए दिखाया गया है और16, 17,18,19कार्य करता है । हालांकि, सिलिया लंबाई और संरचना का सटीक और पुन: उपयोग से जुड़ी कई समय लेने वाली और तकनीकी चुनौतियां हैं।
वयस्क स्तनधारी केंद्रीय तंत्रिका तंत्र (सीएनएस) एक जैविक संदर्भ है जिसने सिलिया आकृति विज्ञान और कार्य को समझने के लिए एक चुनौती पेश की है। हालांकि ऐसा लगता है कि सीएनएस भर में न्यूरॉन्स और कोशिकाओं के पास सिलिया है, सीमित उपकरणों और क्षमताओं के कारण इन सिलिया का निरीक्षण और विश्लेषण करने के लिए उनके कार्यों की समझ मायावी20बनी हुई है। उदाहरण के लिए, प्रोटोटाइप सिलिया मार्कर, एसिटिलेटेड α-ट्यूबलिन, न्यूरोनल सिलिया20को लेबल नहीं करता है। इन सिलिया का अध्ययन करने की कठिनाई को आंशिक रूप से कई जी प्रोटीन-युग्मित रिसेप्टर्स (जीपीसीआर) की खोज के साथ हल किया गया था, मशीनरी और झिल्ली से जुड़े प्रोटीन जो न्यूरोनल सिलिया21, 22की झिल्ली पर समृद्ध होते हैं। इन सभी बुनियादी टिप्पणियों के महत्व और सीएनएस cilia, जो इस प्रकार अब तक अंय ऊतकों द्वारा अद्वितीय प्रतीत होता है की विविधता पर संकेत । उदाहरण के लिए, सिलिया की लंबाई और जीपीसीआर स्थानीयकरण में भिन्नता पूरे मस्तिष्क में देखी जा सकती है, जिसमें अन्य नाभिक19,23की तुलना में कुछ न्यूरोनल नाभिक में लंबाई अलग-अलग हो रही है। इसी तरह , उनकी जीपीसीआर सामग्री और सिग्नलिंग मशीनरी की तारीफ में न्यूरोएनाटॉमिकल स्थान और न्यूरोनल टाइप 2 ,24, 25,26,27,28,29पर आधारित विविधता दिखाई देती है . इन सरल टिप्पणियों से यह प्रदर्शित होता है कि स्तनधारी सीएनएस सिलिया लंबाई और संरचना को कसकर विनियमित किया जाता है, जैसे मॉडल जीवों में, जैसे क्लैमायडोमोनास रेनहार्टी,लेकिन सिलिया फ़ंक्शन, सिग्नलिंग और अंततः व्यवहार पर इन लंबाई के अंतर का प्रभाव अस्पष्ट16,30,31,32है।
सिलिया की लंबाई और संरचना को सही ढंग से मापने से उपयोगकर्ता त्रुटि और अपरिवर्तनीयता के लिए प्रवण एक तकनीकी चुनौती साबित होती है। वर्तमान में वीवो और इन विट्रो में सिलिया को अक्सर इम्यूनोफ्लोरोसेंट दृष्टिकोणों का उपयोग करके पहचाना जाता है जो सिलियरी प्रोटीन या सिलिया-समृद्ध फ्लोरोसेंट रिपोर्टर एलील्स33,34,35लेबल करते हैं। इन फ्लोरोसेंटी टैग किए गए सिलिया की लंबाई को इमेजजे36जैसे छवि विश्लेषण कार्यक्रमों में लाइन माप उपकरणों का उपयोग करके 2-आयामी (2D) छवि से मापा जाता है। यह प्रक्रिया न केवल थकाऊ और श्रम गहन है बल्कि पूर्वाग्रह और त्रुटि से भी ग्रस्त है । सिलिया तीव्रता को मापने के दौरान ये वही बाधाएं उत्पन्न होती हैं, जो सिलिया संरचना37में परिवर्तन को इंगित करने में मदद करती हैं। छवि विश्लेषण के इन प्रकार में विसंगतियों को कम करने के लिए, आर्टिफिशियल इंटेलिजेंस (एआई) कार्यक्रम अधिक प्रचलित और किफायती विकल्प38होते जा रहे हैं।
एआई कंप्यूटर सिस्टम की उन्नति है जो कंप्यूटर एल्गोरिदम और प्रोग्रामिंग के लाभ का उपयोग उन कार्यों को निष्पादित करने के लिए करता है जिन्हें आमतौर पर मानव खुफिया39की आवश्यकता होती है। एआई उपकरणों को आवर्ती पैटर्न, मापदंडों और विशेषताओं को समझने और सफल परिणाम बनाने की बाधाओं को अधिकतम करने के लिए कार्रवाई करना सिखाया जाता है। एआई बहुमुखी है और इसे विशिष्ट वस्तुओं या ब्याज की संरचनाओं, जैसे सिलिया को पहचानने के लिए प्रशिक्षित किया जा सकता है, और फिर पहचानकी गई वस्तुओं पर विभिन्न प्रकार के विश्लेषण चलाने के लिए प्रोग्राम किया जा सकता है। इसलिए, एआई38द्वारा जटिल छवि डेटा तेजी से और पुन: उत्पन्न किया जा सकता है। कैप्चर की गई छवियों के स्वचालन और एआई विश्लेषण से किसी भी संभावित मानवीय त्रुटि और पूर्वाग्रह को सीमित करतेहुएप्रभावकारिता और दक्षता में वृद्धि होगी । सिलिया पहचान के लिए एक एआई आधारित पद्धति की स्थापना सभी अनुसंधान समूहों के लिए सिलिया डेटा का विश्लेषण और व्याख्या करने का एक सुसंगत तरीका बनाती है।
यहां हम 2D छवियों पर वीवो और इन विट्रो दोनों में सिलिया की पहचान करने के लिए एक एआई मॉड्यूल का उपयोग करते हैं। नमूना छवियों के एक सेट का उपयोग कर एअर इंडिया cilia की पहचान करने के लिए प्रशिक्षित किया जाता है । एक बार प्रशिक्षण पूरा हो जाने के बाद, नामित एआई का उपयोग एक छवि में एआई पहचाने गए सिलिया पर बाइनरी मास्क लगाने के लिए किया जाता है। एआई द्वारा लागू बाइनरी संशोधित कर रहे हैं, यदि आवश्यक हो, तो छवियों में सभी सिलिया को ठीक से पहचाना जाता है और गैर-विशिष्ट पहचान समाप्त हो जाती है। सिलिया की पहचान करने के लिए एआई का उपयोग करने के बाद, कस्टम-निर्मित सामान्य विश्लेषण (जीए) कार्यक्रमों का उपयोग विभिन्न विश्लेषणों जैसे सिलिया लंबाई और फ्लोरेसेस तीव्रता को मापने के लिए किया जाता है। एकत्र किए गए डेटा को एक तालिका में निर्यात किया जाता है जिसे सांख्यिकीय विश्लेषणों(चित्रा 1)के लिए आसानी से पढ़ा, व्याख्या और उपयोग किया जा सकता है। स्वचालित प्रौद्योगिकी और एअर इंडिया के उपयोग के लिए cilia की पहचान और प्रयोगात्मक समूहों के बीच विशिष्ट माप प्राप्त करने के लिए सेल सेल संचार और व्यवहार पर सीएनएस सिलिया समारोह और आकृति विज्ञान के प्रभाव को समझने के उद्देश्य से भविष्य के अध्ययनों में सहायता करेगा ।
लंबाई और तीव्रता माप सामान्य तरीके प्राथमिक सिलिया का विश्लेषण किया जाता है, हालांकि, क्षेत्र में उपयोग की जाने वाली एक मानकीकृत पारंपरिक विधि नहीं है। इमेजजे जैसे सॉफ्टवेयर का उपयोग करके प्राथमिक सिलिया की पहचान और मात्राकरण समय लेने वाला है और उपयोगकर्ता पूर्वाग्रह और त्रुटि से ग्रस्त है। इससे बड़े डेटा सेट का सही विश्लेषण करना मुश्किल हो जाता है। यहां हम बताते हैं कि एआई कार्यक्रम का उपयोग करने से प्राथमिक सिलिया प्राप्त होने वाले उच्च थ्रूपुट विश्लेषण करने वाली इन चुनौतियों में से कई पर काबू पा सकते हैं। इसके साथ हम प्राथमिक सिलिया को पहचानने और लंबाई और तीव्रता का विश्लेषण करने के लिए आवश्यक चरणों की रूपरेखा तैयार करने के लिए एआई-आधारित आवेदन को प्रशिक्षित करने की प्रक्रिया का वर्णन करते हैं।
जबकि सिलिया को पहचानने के लिए एआई के प्रारंभिक प्रशिक्षण के लिए उपयोगकर्ता से महत्वपूर्ण समय की आवश्यकता होती है, एक बार पूरा होने के बाद इसे एक ही मापदंडों के साथ प्राप्त किसी भी डेटा सेट पर उपयोग किया जा सकता है। एआई द्वारा उत्पन्न बाइनरी मास्क इस तरह संशोधित किया जा सकता है कि किसी भी त्रुटि को ठीक किया जा सकता है। हालांकि, सिलिया पहचान में त्रुटियों उपयोगकर्ता संकेत देना चाहिए कि एअर इंडिया के लिए आगे अतिरिक्त छवियों के साथ प्रशिक्षित करने की जरूरत है । इस विधि का एक प्रमुख लाभ यह है कि एआई को 2डी और 3डी दोनों में विभिन्न नमूना प्रकारों में सिलिया को पहचानने के लिए प्रशिक्षित किया जा सकता है। प्रयोगशालाओं के भीतर उत्पन्न पिछले विश्लेषण विधियों में विभिन्न सीमाएं होती हैं जिनमें पहचान के लिए मैन्युअल थ्रेसहोल्डिंग की आवश्यकता होती है और ऊतक वर्गों से चित्रित सिलिया की पहचान करने वाली समस्याओं को जहां कोशिका घनत्व उच्च36,46,47है । ये विधियां सिलिया विश्लेषण के लिए भी विशेष हैं जबकि एनआईएस एलिमेंट्स सॉफ्टवेयर का उपयोग करके विश्लेषण छवियों के कई पहलुओं का मूल्यांकन एक साथ कर सकता है। क्योंकि यहां वर्णित एआई एनआईएस एलिमेंट्स सॉफ्टवेयर पैकेज का हिस्सा है, निकॉन माइक्रोस्कोप का उपयोग करके प्राप्त छवियों को विश्लेषण के माध्यम से आसानी से जारी रखा जा सकता है। हालांकि, इस विधि के उपयोग के लिए निकॉन के साथ इमेजिंग की आवश्यकता नहीं है। कैप्चर किए गए कच्चे डेटा फ़ाइल प्रारूप के बावजूद, एआई में उपयोग करने के लिए एनआईएस एलिमेंट्स द्वारा “.tif” फ़ाइलें खोली जा सकती हैं।
एनआईएस तत्वों के भीतर यह एआई एप्लिकेशन व्यापक रूप से उपलब्ध है और संभवतः प्राथमिक सिलिया का अध्ययन करने वाली प्रयोगशालाओं द्वारा उपयोग में छवि विश्लेषण सॉफ्टवेयर का हिस्सा है। एआई प्रौद्योगिकी विस्तार की व्यापकता के साथ, अन्य इमेजिंग सॉफ्टवेयर समान एआई मॉड्यूल को शामिल करने के लिए अपने विश्लेषण विकल्पों का विस्तार कर सकते हैं। सिलिया पहचान के लिए एआई विश्लेषण लागू करने का उपयोग सिलिया विश्लेषण के कई अलग-अलग पहलुओं के लिए किया जा सकता है। जब हमने कुछ सरल विश्लेषणों जैसे लंबाई के लिए तरीके बताए जैसेकि चित्र 2 और 3, तीव्रता(चित्र 4)और कोलोकैलाइजेशन(चित्र 5)अधिक परिष्कृत विश्लेषण को चित्र 6के रूप में GA3 विश्लेषण कार्यप्रवाह में जोड़ा जा सकता है । उदाहरण के लिए, एक पूर्ण सिलियम की तीव्रता को मापने के बजाय, एक सिलियम के उप-क्षेत्र के भीतर तीव्रता में अंतर उप-सिलियरी स्थानीयकरण का आकलन करने के लिए रुचि हो सकती है। एक सिलियम के एक उपक्षेत्र के भीतर तीव्रता में अंतर संकेत दे सकता है प्रोटीन टिप या सिलियम के आधार पर जमते है, जैसे कैसे Gli प्रोटीन सिलिया४८की नोक पर समृद्ध कर रहे हैं । इसके अलावा, इस एआई एप्लिकेशन का उपयोग जीनोटाइप या उपचार समूहों के बीच मतभेदों को आसानी से पहचानने के लिए किया जा सकता है। जबकि हमारी प्रयोगशाला मुख्य रूप से मस्तिष्क वर्गों या न्यूरोनल संस्कृतियों से चित्रित सिलिया का विश्लेषण करने के लिए इस विधि का उपयोग करती है, इसे विभिन्न सेल लाइनों या अन्य ऊतक प्रकारों से प्राप्त छवियों पर लागू किया जा सकता है। नमूना प्रकार का लचीलापन है कि इस आवेदन पर इस्तेमाल किया जा सकता है विश्लेषण की इस विधि कई अलग प्राथमिक सिलिया या किसी भी असतत ऑर्गेनेल है कि इस तरह के माइटोकॉन्ड्रिया, नाभिक, या ईआर के रूप में मूल्यांकन किया जा रहा है अध्ययन समूहों के लिए मूल्यवान बनाता है ।
The authors have nothing to disclose.
यह काम राष्ट्रीय मधुमेह और पाचन और गुर्दे की बीमारियों R01 DK114008 द्वारा एनएफबी और अमेरिकन हार्ट एसोसिएशन फैलोशिप ग्रांट #18PRE34020122 आरबी को वित्त पोषित किया गया था । हम पांडुलिपि पर व्यावहारिक टिप्पणियों के लिए निकॉन सॉफ्टवेयर, मेलिसा बेंटले, कोर्टनी हेक्राफ्ट और टेरेसा मास्ट्रेसी के रिच ग्रुस्किन महाप्रबंधक को धन्यवाद देते हैं।
Intel Xeon, 3.6 GHz, 32GB RAM | Intel Corporation | W-2123 | Processor used for running NIS Elements. |
Nikon Elements Software | Nikon Instruments Inc. | – | Ai and GA3 software |
Quadro RTX 4000 Graphics card | NVIDIA Corporation | Quadro RTX 4000 | |
Windows 10 Professional 64-bit | Microsoft Inc. | – | Operating system used for running NIS Elements |
Workstation | HP Development Company, L.P. | HP Z4G4 | Workstation used for running NIS Elements |