Djupinlärning snabbar på studier av bananflugors hjärtan och ger insikter om mänsklig hjärtsjukdom
StockholmForskare vid University of Alabama at Birmingham har gjort betydande framsteg i att studera fruktflugors hjärtan med hjälp av djupinlärning och snabba videomikroskop. Denna framgång kan vara till hjälp vid forskningen om hjärtsjukdomar hos människor.
Bananflugor, eller Drosophila, är viktiga för att studera mänskliga hjärtsjukdomar. De hjälper forskare att undersöka hjärtats åldrande och tillstånd som försvagar hjärtat. Tidigare krävde det att man manuellt lokaliserade de punkter där hjärtat var mest expanderat eller kontraherat för att kontrollera hjärtats funktion hos dessa flugor. Denna process tog mycket tid och var ofta osäker.
Forskarna har använt djupinlärning för att förändra sitt sätt att studera hjärtan. Denna automatiserade metod kan analysera flera hundra hjärtan samtidigt, vilket gör processen snabbare och minskar fel. Girish Melkani, Ph.D., vid UAB:s avdelning för patologi, säger att denna metod har många fördelar.
- Snabbare analystider
- Minskad risk för mänskliga fel
- Möjlighet att analysera fler hjärtregioner
- Scalabilitet till hundratals hjärtan
Den nya metoden hjälper forskare att bättre förstå hur miljömässiga och genetiska faktorer påverkar hjärtats åldrande och sjukdomar. Melkani planerar att använda denna teknik för att studera hjärtproblem hos djur som zebrafiskar och möss. Tekniken skulle även kunna användas för att undersöka modeller av mänskliga hjärtan, vilket kan ge värdefull information om hjärthälsa.
Modellen har en utmärkt förmåga att förutsäga hur hjärtat åldras. Genom att använda metoder för att mäta osäkerhet kan noggrannheten i dessa förutsägelser förbättras. Hjärtsjukdomar är en ledande dödsorsak i USA. Därför är det viktigt att ha exakta verktyg för att studera hjärtfunktionen hos djur.
Forskargruppen testade modellens noggrannhet genom att jämföra hjärtprestanda hos åldrande bananflugor och ett tillstånd som kallas dilaterad kardiomyopati, vilket de framkallade genom att minska enzymet oxoglutaratdehydrogenas i TCA-cykeln. För åldringsstudien tränade de modellen med data från 54 hjärtan och kontrollerade dess resultat mot en datamängd bestående av 177 hjärtan. Modellen visade noggrant de förväntade förändringarna i hjärtprestanda när flugorna åldrades.
Melkani förklarar att deras plattform för djupinlärning kan användas på vanlig konsumenthårdvara. Koden de utvecklat räknar ut viktiga hjärtparametrar som diastoliska och systoliska diameter/intervaller, fraktionell förkortning, ejektionsfraktion, hjärtperiod/-frekvens samt hjärtarytmier.
Studien publiceras här:
http://dx.doi.org/10.1038/s42003-024-06371-7och dess officiella citering - inklusive författare och tidskrift - är
Yash Melkani, Aniket Pant, Yiming Guo, Girish C. Melkani. Automated assessment of cardiac dynamics in aging and dilated cardiomyopathy Drosophila models using machine learning. Communications Biology, 2024; 7 (1) DOI: 10.1038/s42003-024-06371-7Idag · 09:53
Avkoda pronomen: hjärnans roll i minne avslöjad
Idag · 04:08
Rödljus stoppar skadedjur: insektslivet upphör
Dela den här artikeln