Crédito: Christina Stuelten & Carole Parent, 2011. NCI
Algoritmo que evita la identificación errónea de células cancerosas
11 de diciembre de 2020 Historia original de la Universidad de Kent
Investigadores de la Universidad de Kent han desarrollado un algoritmo informático que puede identificar diferencias en las líneas celulares de cáncer basadas en imágenes microscópicas, un desarrollo único para poner fin a la identificación errónea de las células en los laboratorios.
Las líneas celulares de cáncer son células aisladas y cultivadas en el laboratorio para el estudio y desarrollo de fármacos contra el cáncer. Sin embargo, muchas líneas celulares se identifican erróneamente después de ser intercambiadas o contaminadas con otras, lo que significa que muchos investigadores pueden trabajar con células incorrectas.
Este ha sido un problema persistente desde que comenzó el trabajo con líneas celulares cancerosas. El análisis de repetición en tándem corto (STR) se utiliza comúnmente para identificar líneas celulares cancerosas, pero es costoso y requiere mucho tiempo. Además, el STR no puede discriminar entre células humanas o animales.
Basados en imágenes microscópicas de un conjunto piloto de líneas celulares y utilizando modelos informáticos capaces de "aprendizaje profundo", los investigadores de la Escuela de Ingeniería y Artes Digitales de Kent (EDA) y la Escuela de Computación (SoC) entrenaron a las computadoras a través de un período de comparación masiva de datos de células cancerosas. A partir de esto, desarrollaron un algoritmo que permite a las computadoras examinar imágenes digitales microscópicas separadas de líneas celulares e identificarlas y etiquetarlas con precisión.
Este avance tiene el potencial de proporcionar una herramienta fácil de usar que permite la identificación rápida de todas las líneas celulares en un laboratorio sin equipos y conocimientos expertos.
Esta investigación fue dirigida por el Dr. Chee (Jim) Ang (SoC) y el Dr. Gianluca Marcelli (EDA) con los principales expertos en líneas celulares cancerosas, el profesor Martin Michaelis y el Dr. Mark Wass (Escuela de Biociencias).
El Dr. Ang, Profesor Senior en Sistemas Digitales Multimedia, declaró: “Nuestra colaboración ha demostrado enormes resultados para la posible implementación futura en laboratorios y en la investigación del cáncer. El uso de este nuevo algoritmo producirá resultados que pueden transformar el formato de identificación celular en la ciencia, dando a los investigadores una mejor oportunidad de identificar correctamente las células, lo que conduce a una reducción del error en la investigación del cáncer y potencialmente salvar vidas.”
“Los resultados también muestran que los modelos informáticos pueden asignar criterios exactos utilizados para identificar correctamente las líneas celulares, lo que significa que la posibilidad de que los futuros investigadores sean entrenados para identificar las células con precisión también puede mejorarse significativamente”.
Referencia:
Mzurikwao D, Khan MU, Samuel OW, et al. Towards image-based cancer cell lines authentication using deep neural networks. Scientific Reports. 2020;10(1):19857. doi:10.1038/s41598-020-76670-6
Este artículo ha sido republicado a partir de los siguientes materiales. Nota: es posible que el material haya sido editado por su longitud y contenido. Para obtener más información, ver la fuente citada.
