Deep learning-based decoding of axonal ultrastructure in gene-edited mice using electron microscopy imaging
Deng, N., Miao, G., Bagheri, H., Peterson, A. C., Khadra, A.
전자현미경 영상의 축삭·수초 구조를 딥러닝으로 자동 분석하여 신경질환 연구를 가속화하는 프레임워크를 제안한다.
수초 이상이나 손실은 심각한 신경학적 장애를 유발할 수 있지만, 전자현미경으로 관찰된 축삭 구성요소의 대규모 정량적 분석은 어렵고 시간이 오래 걸린다.
축삭과 수초의 여러 특징(미토콘드리아 밀도, 축삭 주변 면적 등)을 자동으로 인식하고 정량화하는 머신러닝 프레임워크를 개발했다. 수초 형성이 불균일한 유전자 편집 쥐의 척수 신경섬유에 해당 프레임워크를 적용하여 검증했다.
수초의 두께와 길이 감소가 미토콘드리아 밀도 및 축삭 주변 면적의 변화와 상관관계가 있음을 밝혀냈다. 이 프레임워크는 신경 가소성과 수초 질환 진행 과정에서의 축삭, 수초, 미토콘드리아 관계에 대한 향후 연구에 기여할 것으로 기대된다.