論文の概要: Automated Characterization of Catalytically Active Inclusion Body
Production in Biotechnological Screening Systems
- arxiv url: http://arxiv.org/abs/2209.15584v1
- Date: Fri, 30 Sep 2022 16:53:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-03 16:36:49.824324
- Title: Automated Characterization of Catalytically Active Inclusion Body
Production in Biotechnological Screening Systems
- Title（参考訳）: バイオテクノロジースクリーニングシステムにおける触媒活性包接体生産の自動キャラクタリゼーション
- Authors: Karina Ruzaeva, Kira K\"usters, Wolfgang Wiechert, Benjamin Berkels,
Marco Oldiges, Katharina N\"oh
- Abstract要約: 触媒活性包接体(CatIBs)の顕微鏡画像に基づく評価のための自動パイプラインを提案する。
カチブは合成化学や生触媒に広く応用されているが、治療などの将来的な生医学的応用も期待できる。
- 参考スコア（独自算出の注目度）: 0.9134244356393666
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We here propose an automated pipeline for the microscopy image-based
characterization of catalytically active inclusion bodies (CatIBs), which
includes a fully automatic experimental high-throughput workflow combined with
a hybrid approach for multi-object microbial cell segmentation. For automated
microscopy, a CatIB producer strain was cultivated in a microbioreactor from
which samples were injected into a flow chamber. The flow chamber was fixed
under a microscope and an integrated camera took a series of images per sample.
To explore heterogeneity of CatIB development during the cultivation and track
the size and quantity of CatIBs over time, a hybrid image processing pipeline
approach was developed, which combines an ML-based detection of in-focus cells
with model-based segmentation. The experimental setup in combination with an
automated image analysis unlocks high-throughput screening of CatIB production,
saving time and resources.
Biotechnological relevance - CatIBs have wide application in synthetic
chemistry and biocatalysis, but also could have future biomedical applications
such as therapeutics. The proposed hybrid automatic image processing pipeline
can be adjusted to treat comparable biological microorganisms, where fully
data-driven ML-based segmentation approaches are not feasible due to the lack
of training data. Our work is the first step towards image-based bioprocess
control.
- Abstract（参考訳）: 本稿では,多目的微生物細胞セグメンテーションのためのハイブリッドアプローチと組み合わされた完全自動実験高スループットワークフローを含む,触媒活性包接体(catibs)の顕微鏡画像に基づく自動解析パイプラインを提案する。
自動顕微鏡では, マイクロバイオリアクターを用いてCatIB産生株を培養し, 試料をフローチャンバーに注入した。
フローチャンバーは顕微鏡で固定され、統合カメラはサンプルごとに一連の画像を撮影した。
培養中のCatIBの均一性を探索し,CatIBのサイズと量を経時的に追跡するために,MLに基づくインフォーカス細胞検出とモデルベースセグメンテーションを組み合わせたハイブリッド画像処理パイプライン手法を開発した。
自動画像解析と組み合わせた実験装置は、CatIBの生産、保存時間、資源の高スループットスクリーニングを可能にする。
バイオテクノジカルな関連性 - カチブは合成化学や生体触媒に広く応用されているが、治療などの将来的な生物医学的応用も可能である。
提案したハイブリッド自動画像処理パイプラインは、トレーニングデータの欠如により、完全にデータ駆動のMLベースのセグメンテーションアプローチが実現不可能な、同等の生物学的微生物を治療するために調整することができる。
私たちの研究は、画像ベースのバイオプロセス制御への第一歩です。
関連論文リスト
- A novel framework employing deep multi-attention channels network for
the autonomous detection of metastasizing cells through fluorescence
microscopy [0.20999222360659603]
正常細胞と転移細胞を区別できる計算フレームワークを開発した。
この方法は、正常で転移する単細胞においてアクチンとビメンチンフィラメントの空間的構造を示す蛍光顕微鏡画像に依存する。
論文 参考訳（メタデータ） (2023-09-02T11:20:10Z) - Optimizations of Autoencoders for Analysis and Classification of
Microscopic In Situ Hybridization Images [68.8204255655161]
同様のレベルの遺伝子発現を持つ顕微鏡画像の領域を検出・分類するためのディープラーニングフレームワークを提案する。
分析するデータには教師なし学習モデルが必要です。
論文 参考訳（メタデータ） (2023-04-19T13:45:28Z) - Machine learning in bioprocess development: From promise to practice [58.720142291102135]
機械学習(ML)アプローチのようなデータ駆動の手法は、大きな設計空間を合理的に探索する可能性が高い。
本研究の目的は,これまでのバイオプロセス開発におけるML手法の適用例を示すことである。
論文 参考訳（メタデータ） (2022-10-04T13:48:59Z) - When Bioprocess Engineering Meets Machine Learning: A Survey from the
Perspective of Automated Bioprocess Development [3.687740185234604]
機械学習(ML)はバイオプロセス工学の発展に大きく貢献しているが、その応用は限られている。
このレビューでは、バイオプロセス開発におけるMLベースの自動化の概要について概観する。
論文 参考訳（メタデータ） (2022-09-02T14:30:49Z) - Learning to automate cryo-electron microscopy data collection with
Ptolemy [4.6453787256723365]
低温電子顕微鏡(cryo-EM)は、生体高分子の近原・近原子分解能3次元構造を決定する主要な方法として登場した。
現在,高磁化Cryo-EMマイクログラフの収集には,パラメータの入力と手動チューニングが必要である。
そこで我々は,目的のアルゴリズムを用いて,低・中規模のターゲットを自動生成する最初のパイプラインを開発した。
論文 参考訳（メタデータ） (2021-12-01T22:39:28Z) - A parameter refinement method for Ptychography based on Deep Learning
concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。
最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。
我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文 参考訳（メタデータ） (2021-05-18T10:15:17Z) - A fully automated end-to-end process for fluorescence microscopy images
of yeast cells: From segmentation to detection and classification [0.0]
酵母細胞の蛍光顕微鏡画像の細胞区画を自動的にセグメント化し、検出し、分類するエンドツーエンドのプロセスを構築します。
この完全に自動化されたプロセスは、PerICo1プロジェクトの対話型e-Scienceサーバに統合される。
応用領域は酵母細胞における光学顕微鏡であるが、医療用途における多細胞画像にも適用できる。
論文 参考訳（メタデータ） (2021-04-06T21:24:50Z) - Comparisons among different stochastic selection of activation layers
for convolutional neural networks for healthcare [77.99636165307996]
ニューラルネットワークのアンサンブルを用いて生体医用画像の分類を行う。
ReLU, leaky ReLU, Parametric ReLU, ELU, Adaptive Piecewice Linear Unit, S-Shaped ReLU, Swish, Mish, Mexican Linear Unit, Parametric Deformable Linear Unit, Soft Root Sign。
論文 参考訳（メタデータ） (2020-11-24T01:53:39Z) - Towards an Automatic Analysis of CHO-K1 Suspension Growth in
Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。
具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文 参考訳（メタデータ） (2020-10-20T08:36:51Z) - Automatic image-based identification and biomass estimation of
invertebrates [70.08255822611812]
時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。
我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。
分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
論文 参考訳（メタデータ） (2020-02-05T21:38:57Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。