Maschinelles Lernen zur Erkennung von Hepatozyten-Chromatinveränderungen durch Exposition gegenüber Eisenoxid-Nanopartikeln – Scientific Reports

Maschinelles Lernen zur Erkennung von Hepatozyten-Chromatinveränderungen durch Exposition gegenüber Eisenoxid-Nanopartikeln – Scientific Reports

Für diese Studie wurden textuelle Analysen und die Schulung von ML-Modellen an insgesamt 2000 ROIs von Hepatozytenkernen durchgeführt, die auf digitalen Mikrographien von Mauslebergewebe erstellt wurden. Das Gewebe stammte aus zuvor durchgeführten Experimenten an gesunden 16 Wochen alten C57BL/6 (C57 black 6, B6) Mäusen, bei denen die experimentelle Gruppe (N = 10) 3 Tage lang täglich 2 mg/kg/d i.p. Eisen(II, III)oxid-Nanopartikeln (80–100nm, Hongwu International Group Ltd. HWNANO-Materialien, Guangzhou, Guangdong, CN) ausgesetzt wurde, während die Kontrollen (N = 10) für denselben Zeitraum Kochsalzlösung erhielten. Die Forschung wurde vom Ethikausschuss der medizinischen Fakultät der Universität Belgrad für den Schutz und das Wohlergehen von Versuchstieren (Genehmigungsnummer 229/2) sowie vom Ministerium für Landwirtschaft, Forstwirtschaft und Wasserwirtschaft—Veterinärdienst der Republik Serbien (Genehmigungsnummer 323-07-07783/2020-05) genehmigt. Die angewendeten Methoden entsprachen den Standards des Universal Declaration of Animal Welfare (WSPA, London, 2000), der Europäischen Konvention zum Schutze der Wirbeltiere, die für Versuchszwecke oder zu wissenschaftlichen Zwecken verwendet wurden (1998), sowie einer Vielzahl von nationalen und internationalen Richtlinien, die für die ethische und humane Behandlung von Versuchstieren plädieren.

Die Lebergewebsproben wurden in Carnoys Lösung, einem Gemisch aus 60% Ethanol, 30% Chloroform und 10% Essigsäureglacial, konserviert. Anschließend wurden diese Proben in Paraplast eingebettet und Gewebeschnitte für Glasplatten erstellt. Die Schnitte wurden zuerst mit Hämatoxylin gefärbt, um die Zellkerne blau zu färben, und dann mit Eosin, um das Zytoplasma und die extrazelluläre Matrix rosa zu färben. Das Färbeprotokoll endete mit Dehydratisierung, Klärung und dem Aufbringen des Gewebes auf Folien.

Digitale Bilder des Lebergewebes wurden mit dem Pro-MicroScan DEM 200-Gerät (Oplenic Optronics, Hangzhou, CN) aufgenommen, das mit einem OPTIC900TH Trinokularbiologiemikroskop (COLO LabExperts, Novo Mesto, Slowenien) verbunden war. Diese Mikrographen wurden mit einer Auflösung von 1200 x 1600 Pixeln, einer Farbtiefe von 24 Bit und einer gleichmäßigen horizontalen und vertikalen Auflösung von 96 dpi erstellt. Die Mikrographen wurden im BMP-Format für die Analyse der Laufmatrix und diskreten Wavelet-Transformation gespeichert. Das OPTIC900TH-Mikroskop verfügt über einen trinokularen Kopf mit einem Pupillenabstand von 20:80, einem High Eye-Point-Plan-Okular WF 10x/20, einem Infinity-Plan-Achromat-Objektiv 40x (S) N.A.0.70, Abbe-Kondensor 0.9/1.25, Kohler-Beleuchtung mit Feldblende und einer 6V 20W-Wolfram-Halogenlampe.

Für jede nukleäre Region von Interesse führten wir eine Matrixanalyse der Laufzeitlängen (RLM) und eine diskrete Wavelet-Transformation (DWT) durch. In der RLM-Analyse bewerteten wir die Variationen in den Intensitäten der Auflösungseinheiten innerhalb der ROIs, was für das Verständnis der Textur des zweidimensionalen Signals entscheidend ist. Dabei handelt es sich um das Messen von “Läufen” – Sequenzen aufeinander folgender Auflösungseinheiten mit denselben Graustufenintensitäten. Während der RLM-Analyse wird eine spezialisierte Matrix erstellt, die die Texturanisotropie und andere Beziehungsaspekte innerhalb des ROIs widerspiegelt. In unserer Studie konzentrierten wir uns speziell auf die Quantifizierung spezifischer Werte wie Long Run Emphasis (LngREmph), Short Run Emphasis (ShrtREemph) und Run Length Nonuniformity (RLNonUni) insbesondere für maschinelles Lernen. Wir konzentrierten uns auch auf Kernstrukturen, die trotz ähnlicher Morphologie unterschiedliche Werte von textu…