Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Le système d'AI peut rapidement recenser les cellules souche en bonne santé et productives de peau

Le traitement de cellule souche est à l'avant-garde du médicament régénérateur, mais jusqu'ici les chercheurs et les cliniciens ont dû soigneusement évaluer la qualité de cellule souche en regardant chaque cellule individuellement sous un microscope. Maintenant, les chercheurs du Japon ont trouvé une voie d'accélérer ce procédé, utilisant le pouvoir de l'artificial intelligence (AI).

Dans une étude publiée en février dans les cellules souche, les chercheurs de Tokyo médicale et l'université dentaire (TMDU) rapportée que leur système d'AI, DeepACT appelé, peut recenser les cellules souche en bonne santé et productives de peau avec la même exactitude qu'un être humain peut.

Les cellules souche peuvent se développer en plusieurs différents genres de cellules matures, que des moyens ils peuvent être employé pour élever les tissus neufs en cas de blessures ou maladie. Des cellules souche de Keratinocyte (peau) sont habituées pour traiter les maladies de la peau héritées et pour élever des feuilles de peau qui est employée pour réparer de grandes brûlures.

Les cellules souche de Keratinocyte sont l'un des quelques types de cellules souche adultes qui se développent bien dans le laboratoire. Les keratinocytes les plus sains déménagent plus rapidement que moins de cellules saines, ainsi ils peuvent être recensés par l'oeil utilisant un microscope. Cependant, cette méthode est longue, de main-d'oeuvre, et sujette aux erreurs. »

Takuya Hirose, auteur important

Pour adresser ceci, les chercheurs ont visé à développer un système qui recenserait et suivrait le mouvement de ces cellules souche automatiquement.

« Nous avons formé ce système par « apprendre profondément appelé de processus » utilisant une bibliothèque des images d'échantillon, » dit l'auteur de Co-fil, Jun'ichi Kotoku. « Alors nous l'avons vérifié sur un groupe neuf d'images et avons constaté que les résultats étaient très précis avec l'analyse manuelle. »

En plus de trouver différentes cellules souche, le système de DeepACT prévoit également le « index de mouvement » de chaque colonie, qui indique comment rapidement les thecells à la région centrale de la colonie déménagent avec ceux à la région marginale. Les colonies avec l'index de mouvement le plus élevé étaient beaucoup que les colonies avec l'index inférieur de mouvement pour se développer bien, leur effectuant de bons candidats pour produire des feuilles de peau neuve pour que la greffe brûle des patients.

« DeepACT est une voie neuve puissante d'exécuter le contrôle qualité précis des cellules souche humaines de keratinocyte et rendra ce procédé plus fiable et plus efficace, » indique Daisuke Nanba, auteur supérieur.

Vu que les greffes de peau peuvent défaillir si elles contiennent trop de cellules souche malsaines ou improductives, pouvant recensent à rapidement et facilement les cellules les plus adaptées seraient un avantage clinique considérable. Le contrôle qualité robotisé a pu également être valeur pour la fabrication industrielle de cellule souche, aider à assurer une offre stable de cellules et abaisser des coûts de production.

Source:
Journal reference:

Hirose, T., et al. (2021) Label-free quality control and identification of human keratinocyte stem cells by deep learning-based automated cell tracking. Stem Cells. doi.org/10.1002/stem.3371.