論文の概要: A survey on Organoid Image Analysis Platforms
- arxiv url: http://arxiv.org/abs/2301.02341v1
- Date: Fri, 6 Jan 2023 00:15:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-10 00:10:27.926421
- Title: A survey on Organoid Image Analysis Platforms
- Title（参考訳）: オルガノイド画像解析プラットフォームに関する調査
- Authors: Alireza Ranjbaran and Azadeh Nazemi
- Abstract要約: オルガノイド(Organoids)は、in vitro細胞培養系に置換された一次ドナーまたは幹細胞の多細胞スフェロイドである。
生物学におけるオルガノイドモデルの力にもかかわらず、その大きさと形状はほとんど考慮されていない。
薬物反応は、個々のオルガノイドの形態、数、大きさの動的変化に依存する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: An in-vitro cell culture system is used for biological discoveries and
hypothesis-driven research on a particular cell type to understand mechanistic
or test pharmaceutical drugs. Conventional in-vitro cultures have been applied
to primary cells and immortalised cell lines plated on 2D surfaces. However,
they are unreliable in complex physiological environments and can not always
predict in-vivo behaviour correctly. Organoids are multicellular spheroids of a
primary donor or stem cells that are replaced in vitro cell culture systems and
are widely used in biological, biomedical and translational studies. Native
heterogeneity, microanatomy, and functionality of an organ or diseased tissue
can be represented by three-dimensional in-vitro tissue models such as
organoids. Organoids are essential in in-vitro models for drug discovery and
personalised drug screening. Many imaging artefacts such as organoid occlusion,
overlap, out-of-focus spheroids and considerable heterogeneity in size cause
difficulty in conventional image processing. Despite the power of organoid
models for biology, their size and shape have mostly not been considered. Drug
responses depend on dynamic changes in individual organoid morphology, number
and size, which means differences in organoid shape and size, movement through
focal planes, and live-cell staining with limited options cause challenges for
drug response and growth analysis. This study primarily introduces the
importance of the role of the organoid culture system in different disciplines
of medical science and various scopes of utilising organoids. Then studies the
challenges of operating organoids, followed by reviewing image analysis systems
or platforms applied to organoids to address organoid utilising challenges.
- Abstract（参考訳）: 生体内細胞培養系は、特定の細胞型に関する生物学的発見や仮説駆動の研究に使われ、機械的または試験薬理学的薬物を理解する。
従来のin-vitro培養法は2次元表面上に沈着した一次細胞や不死化細胞に応用されている。
しかし、複雑な生理環境では信頼できず、生存中の行動を正確に予測することはできない。
オルガノイド(Organoids)は、in vitro細胞培養系に置換された一次ドナーまたは幹細胞の多細胞スフェロイドであり、生物学的、生医学、翻訳研究で広く用いられている。
臓器や疾患組織のネイティブな異質性、微細解剖、機能性は、オルガノイドのような3次元の生体内組織モデルで表すことができる。
オルガノイドは、薬物発見とパーソナライズドドラッグスクリーニングのための生体内モデルに必須である。
オルガノイドの閉塞、重なり、焦点外スフェロイドなどの多くの画像アーティファクトは、従来の画像処理では困難である。
生物学におけるオルガノイドモデルの力にもかかわらず、その大きさと形状はほとんど考慮されていない。
薬物応答は、個々のオルガノイドの形態、数、大きさの動的変化に依存するが、これはオルガノイドの形状や大きさの違い、焦点平面の移動、限られたオプションによる生細胞染色が薬物応答や成長分析に困難をもたらすことを意味する。
本研究は, 様々な医学分野におけるオルガノイド培養システムの役割と, オルガノイドの利用範囲について紹介する。
次に、オルガノイドの運用の課題を研究し、続いて、オルガノイド活用の課題に対処するために、オルガノイドに適用される画像分析システムやプラットフォームをレビューする。
関連論文リスト
- How to Build the Virtual Cell with Artificial Intelligence: Priorities and Opportunities [46.671834972945874]
仮想セル構築にAIの進歩を活用するというビジョンを提案する。
我々は、生物の普遍的な表現を含む、そのようなAI仮想セルの望ましい能力について議論する。
我々は、AI仮想細胞が新しい薬物標的を特定し、摂動に対する細胞反応を予測し、スケール仮説を探索する未来を想像する。
論文 参考訳（メタデータ） (2024-09-18T02:41:50Z) - Multicell-Fold: geometric learning in folding multicellular life [0.34952465649465553]
細胞群が特定の構造にどのように折り畳むかは、生物がどのように形成されるかを定義する生物学の中心的な問題である。
マルチセルの折り畳みや胚発生を予測できる幾何学的深層学習モデルを提案する。
我々は,4次元形態素配列アライメントの解釈と局所的な細胞再構成の予測という,2つの重要な課題を達成するために,我々のモデルをうまく利用した。
論文 参考訳（メタデータ） (2024-07-09T17:21:49Z) - Engineering morphogenesis of cell clusters with differentiable programming [2.0690546196799042]
我々は,発達モデルにおいて,創発的,システムレベルの特性をもたらす局所的相互作用規則と遺伝的ネットワークを発見する。
複雑な発達シナリオにおいて,細胞間相互作用と遺伝的ネットワークのパラメータを同時に学習できることが示される。
論文 参考訳（メタデータ） (2024-07-08T18:05:11Z) - Causal machine learning for single-cell genomics [94.28105176231739]
単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。
まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。
次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
論文 参考訳（メタデータ） (2023-10-23T13:35:24Z) - Tertiary Lymphoid Structures Generation through Graph-based Diffusion [54.37503714313661]
本研究では,最先端のグラフベース拡散モデルを用いて生物学的に意味のある細胞グラフを生成する。
本研究では, グラフ拡散モデルを用いて, 3次リンパ構造(TLS)の分布を正確に学習できることを示す。
論文 参考訳（メタデータ） (2023-10-10T14:37:17Z) - SegmentAnything helps microscopy images based automatic and quantitative organoid detection and analysis [2.9074136720945356]
オルガノイド(Organoids)は、生体組織や臓器のアーキテクチャや機能を忠実に模倣する、自己組織化された3D細胞クラスターである。
最近の顕微鏡技術は、オルガノイドの形態的特徴を取得する強力なツールを提供するが、手動画像解析は依然として手間と時間を要するプロセスである。
本稿では、SegmentAnythingを利用して個々のオルガノイドを正確に分離する顕微鏡解析のための包括的パイプラインを提案する。
論文 参考訳（メタデータ） (2023-09-08T08:03:42Z) - Symmetry-Informed Geometric Representation for Molecules, Proteins, and
Crystalline Materials [66.14337835284628]
幾何戦略の有効性をベンチマークできるGeom3Dというプラットフォームを提案する。
Geom3Dは16の高度な対称性インフォームド幾何表現モデルと46の多様なデータセット上の14の幾何事前学習方法を含んでいる。
論文 参考訳（メタデータ） (2023-06-15T05:37:25Z) - Automatic Quantitative Analysis of Brain Organoids via Deep Learning [0.0]
そこで本研究では,異なる蛍光でタグ付けされた脳オルガノイドスライスチャネルの自動解析法を提案する。
実験の結果,野生型と変異型脳性オルガノイドとの明らかな相違が認められた。
論文 参考訳（メタデータ） (2022-11-01T21:10:28Z) - Semantic Image Segmentation with Deep Learning for Vine Leaf Phenotyping [59.0626764544669]
本研究では,ブドウの葉のイメージを意味的にセグメント化するためにDeep Learning法を用いて,葉の表現型自動検出システムを開発した。
私たちの研究は、成長や開発のような動的な特性を捉え定量化できる植物ライフサイクルのモニタリングに寄与します。
論文 参考訳（メタデータ） (2022-10-24T14:37:09Z) - G2{\Phi}net: Relating Genotype and Biomechanical Phenotype of Tissues
with Deep Learning [0.18352113484137625]
軟組織の生体力学的特性を識別・分類するための新しい遺伝子型-バイオメカニカル-フェノタイプニューラルネットワーク(G2Phinet)を提案する。
G2Phinetは、関連する遺伝子型を正しく記述しながら、生体力学的反応を推測することができる。
論文 参考訳（メタデータ） (2022-08-21T14:22:37Z) - Generalized Organ Segmentation by Imitating One-shot Reasoning using
Anatomical Correlation [55.1248480381153]
そこで我々は,アノテーション付きオルガンクラスから一般化されたオルガン概念を学習し,その概念を未知のクラスに転送するOrganNetを提案する。
そこで,OrganNetは臓器形態の幅広い変化に効果的に抵抗でき,一発分節タスクで最先端の結果が得られることを示す。
論文 参考訳（メタデータ） (2021-03-30T13:41:12Z)
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。