果蝇(俗称果蝇)是研究人类心脏病理生理学(包括心脏衰老和心肌病)的宝贵模型。然而，评估果蝇心脏的一个瓶颈是需要人工干预，在心脏最大扩张或最大收缩时测量心脏，这些测量值可以计算心脏动力学。
阿拉巴马大学伯明翰分校的研究人员现在展示了一种方法，可以显著缩短分析所需的时间，同时利用更多的心脏区域，使用深度学习和高速视频显微镜来记录飞行中的每次心跳。
“我们的机器学习方法不仅速度快，还能最大限度地减少人为错误，因为你不必在收缩压和舒张压条件下手动标记每个心壁，”UAB病理学系、分子和细胞病理学部副教授 Girish Melkani 博士说道。“此外，你可以对数百颗心脏进行分析，并在完成所有心脏分析后查看分析结果。”
这可以扩展测试不同环境或遗传因素如何影响心脏衰老或病理的能力。Melkani 设想使用深度学习辅助研究来探索心脏突变模型和其他小动物模型，例如斑马鱼和小鼠。“此外，我们的技术可以适用于人类心脏模型，为心脏健康和疾病提供宝贵的见解。结合不确定性量化方法可以进一步提高我们分析的可靠性。此外，机器学习方法可以高精度地预测心脏衰老。”
梅尔卡尼说，果蝇模型对于理解多种人类心血管疾病的病理生理基础已经发挥了巨大作用。心血管疾病仍然是美国死亡和残疾的主要原因之一。
Melkani 和 UAB 的同事评估了他们训练的模型在果蝇心脏衰老和扩张型心肌病果蝇模型中的心脏表现，扩张型心肌病是由关键的 TCA 循环酶氧化戊二酸脱氢酶的敲除引起的。然后根据现有的实验数据集验证了这些自动评估。例如，对于一周龄果蝇和五周龄果蝇(大约是果蝇寿命的一半)的衰老，UAB 团队使用 54 颗心脏进行模型训练，然后根据包含 177 颗心脏的实验衰老模型验证了他们的测量结果。他们的训练模型能够重建心脏参数随衰老的预期趋势。
Melkani 表示，他团队的模型可以应用于现成的消费硬件，而他团队的代码可以提供计算统计数据，包括舒张压和收缩压直径/间隔、缩短分数、射血分数、心动周期/心率和量化的心律失常。
“据我们所知，这种深度学习辅助分割的创新平台是第一个应用于果蝇心脏标准高分辨率高速光学显微镜的平台，同时还能量化所有相关参数，”Melkani 说。
“通过自动化流程并提供详细的心脏统计数据，我们为更准确、更高效、更全面地研究果蝇的心脏功能铺平了道路。这种方法具有巨大的潜力——不仅可以了解果蝇的衰老和疾病——还可以将这些见解转化为人类心血管研究。”
这项研究的第一作者是阿拉巴马大学病理学系的 Yash Melkani 和 Aniket Pant，论文题为“使用机器学习自动评估衰老和扩张型心肌病果蝇模型中的心脏动力学”，发表在《通讯生物学》杂志上。阿拉巴马大学病理学系的 Yiming Guo 也是作者之一，Girish Melkani 是通讯作者。
资助来自美国国立卫生研究院拨款 AG065992、UAB Marnix E. Heersink 医学院AMC21 拨款以及 UAB 病理学启动资金。
在他的研究中，Girish Melkani 开发并使用临床相关的果蝇模型来解决与心脏代谢疾病、肌原纤维肌病、蛋白质病、以及睡眠和衰老紊乱相关的人类昼夜节律/代谢紊乱的病理生理基础。他还研究生活方式和遗传因素如何维持细胞、组织和器官的结构完整性，进而决定生物体的生理学。
免责声明：本文由用户上传，如有侵权请联系删除！
