Stem Cell Reports （干細胞報道）| 利用機器學習輔助的高內(nèi)涵篩選系統(tǒng)全自動分析及評估類胚胎模型

2021年4月23日，清華大學那潔課題組與Magdalena Zernicka-Goetz組(Cambridge University and Caltech)合作，于干細胞生物學領域權威期刊Stem Cell Reports在線發(fā)表題為“Machine Learning-Assisted High-Content Analysis of Pluripotent Stem Cell-Derived Embryos in vitro”的論文。該文章將高內(nèi)涵共聚焦成像篩選與類胚胎模型相結(jié)合，并利用機器學習輔助的分析策略對類胚胎圖集進行了高效客觀的分析，建立了全自動智能化的類胚胎分析策略。應用此策略，研究人員揭示了不同多能干細胞株生成類胚胎的能力具有很大的異質(zhì)性，并對可促進類胚胎發(fā)生的生長因子及小分子進行了篩選，確定了BMP4在類胚胎生成過程中的促進作用。

近年來，胚胎體外培養(yǎng)及利用干細胞模擬的類胚胎為圍著床期胚胎發(fā)育相關研究提供了新的模型?，F(xiàn)有的基于干細胞的類胚胎模型大多基于研究者手動分析和觀察，缺乏統(tǒng)一的標準且費時費力，難以進行標準化和高通量的研究。本研究為解決以上難題提供了創(chuàng)新方法。

哺乳動物圍著床期胚胎發(fā)育相關研究對揭示早期胚胎發(fā)育過程中的重要事件、指導發(fā)育缺陷及妊娠失敗等疾病的治療有重要的意義，然而，倫理約束和取材困難限制著相關研究的進展。在該論文中，研究人員首先展示了體外3D共培養(yǎng)的小鼠胚胎及胚外干細胞系可以自發(fā)組裝為類似著床后早期原腸胚樣結(jié)構(gòu)，免疫熒光染色分析顯示，該結(jié)構(gòu)可以復現(xiàn)胚胎早期發(fā)育過程中早期羊膜腔發(fā)生、基底膜形成、頭尾極化等重要的生物事件。

隨后，研究人員將類胚胎模型適配于高內(nèi)涵共聚焦顯微鏡平臺，通過高內(nèi)涵成像，獲得了多通道3D類胚胎掃描圖像。該圖集包括了多能性，胚外組織、細胞極化標志蛋白和細胞核的熒光數(shù)據(jù)以及形態(tài)、位置等相關信息。以海量類胚胎圖像為訓練集及分析對象，研究者通過軟件的人機交互模塊對機器進行訓練和學習，最終實現(xiàn)了機器學習輔助的高效率、高準確率、客觀的類胚胎圖像分析，可全自動的對類胚胎模型進行形態(tài)特征、極化能力、生成效率、胚胎及胚外干細胞質(zhì)量等多維度的量化分析。利用此分析平臺，研究者比較了包括胚胎干細胞（ESC）及誘導的多能干細胞（iPSC）在內(nèi)的多株不同小鼠多能干細胞系的類胚胎生成能力，發(fā)現(xiàn)了不同多能干細胞在2D、3D培養(yǎng)以及類胚胎發(fā)生過程中的表現(xiàn)有較大的異質(zhì)性。研究者隨后利用此系統(tǒng)進行了小分子及生長因子篩選，經(jīng)過初篩、篩選、時間窗口和濃度梯度摸索，最終確定了BMP4在類胚胎發(fā)生過程中的促進作用，并利用單個類胚胎轉(zhuǎn)錄組測序、表觀遺傳組分析以及代孕雌鼠體內(nèi)的移植實驗驗證了這一發(fā)現(xiàn)。該研究填補了類胚胎領域缺乏統(tǒng)一量化標準的空白，為類胚胎和類器官等3D培養(yǎng)體系的高通量自動化圖像分析提供了參考，極大的提高了相關研究的效率和分析維度。

清華大學醫(yī)學院那潔副教授、劍橋大學Magdalena Zernicka-Goetz教授為該論文的通訊作者，清華大學醫(yī)學院博士后郭健穎、博士生王培哲為本論文共同第一作者，耶魯大學的Berna Sozen博士，清華大學博士生邱輝和朱詠林為本研究做出重要貢獻。清華大學醫(yī)學實驗班的張興武同學為本研究制作了有創(chuàng)意的封面圖。本研究由國家重點研發(fā)計劃(2017YFA0102802, 2019YFA0110001)、Wellcome Trust（英國維康信托基金會）和 Curci Foundation（英國Curci基金會）、國家自然科學基金(32000610)及清華–北大生命科學聯(lián)合中心等組織機構(gòu)提供經(jīng)費支持。清華大學藥學丁勝教授、劉鵬研究員及北京大學分子醫(yī)學研究所博士生崔明曜為本研究提供了幫助。

參考文獻：

Jianying Guo,^1,2,6 Peizhe Wang,^1,6 Berna Sozen,^3,4 Hui Qiu,^1,2 Yonglin Zhu,¹ Xingwu Zhang,¹ Jia Ming,¹Magdalena Zernicka-Goetz,^3,5,* and Jie Na^1,* Machine Learning-Assisted High-Content Analysis of Pluripotent Stem Cell-Derived Embryos in vitro. Stem Cell Reports, 2021,16:1–16

原文鏈接:

https://www.cell.com/stem-cell-reports/fulltext/S2213-6711(21)00148-X

來源：清華大學