完成下面的表格来解锁访问所有音频文章。
细胞形态是一个丰富的生物信息的表型和功能的说明。然而,molecular-driven细胞学的分析是有限的由于缺乏健壮的、标准化的、低成本的技术准备细胞学样本。分子分析也是破坏性的和主观的。
188金宝搏备用有幸说话的麦迪森Masaeli博士联合创始人兼首席执行官在REM-I Deepcell学习平台,这是一个单细胞分析工具,利用AI-powered成像放大洞察细胞的表型和功能。这些信息可以帮助促进新方法的发现在癌症生物学、发育生物学、干细胞生物学、基因治疗和功能筛查。
凯特·罗宾逊(KR):细胞形态学可以提供什么信息,以及临床相关数据吗?
麦迪森Masaeli(毫米):细胞形态学的第一个和最基本的表型用于研究细胞在实验室和临床设置。识别使用显微镜,本质上这一过程的缓慢,难以规模和依赖于人工解释。结果,细胞量化工具没有尽快开发其他“组学”的方法用于生物研究。
Deepcell力图使可伸缩性形态学和解开“morpholome”将AI-powered成像和分析细胞生物学,诊断。Deepcell的工具使基于探索细胞分析方法成为可能。
基米-雷克南:你能告诉我们关于Deepcell平台及其应用?
MM:Deepcell平台,包括台式仪器和耗材,是细胞分析工具,结合高速成像、排序、高维AI表征和分析软件,使得用户图像,分析,存储和使用其他生物细胞下游分析研究方法。
与传统的流式细胞术方法,Deepcell细胞生物学的研究带来一个真正公正的方法使实验室研究流没有标签或染色和细胞识别hypothesis-free方式感兴趣的细胞特性。利用Deepcell平台的6-way排序功能,研究人员可以进一步对下游的细胞分析使用自定义排序,morphology-based分类。
今天,morpholomics提供潜在的研究应用范围包括癌症研究发育生物学研究、细胞和基因治疗的发展和制造业和药物和功能检查,但在未来,我们设想morpholomics数据也被用于一系列诊断应用程序。
基米-雷克南:如何REM-I平台加强典型的细胞形态学数据用人工智能吗?
MM:REM-I平台是由Deepcell的人工智能模型,人工地基模型(单位)。间歇和提取视觉特征从一个庞大而多样化的细胞图像self-supervised的方式,没有特定细胞类型的先验知识,细胞制剂或其他特定于应用程序的标记一个无界的假设生成和测试方法。平台使用深度学习和计算机视觉来量化,单个细胞的形态分析,解释和规模,使大规模morphology-based数据集的创建。这个平台不仅能使研究者评估细胞的单个细胞图像和分组,但也形态所需的细胞为额外的下游分析六井。
基米-雷克南:是否有任何的例子所使用的平台,你愿意突出?
MM:为高级研究人员提供早期访问我们的技术一直是一个至关重要的倡议Deepcell。它允许我们测试和验证产品的性能在实际设置。参与者有机会与我们的开发团队密切合作,分享他们的知识和见解。到目前为止,我们的合作伙伴技术用于各种研究领域,包括液体活检、药物筛选、癌症生物学和CRISPR筛选。其中的一些结果研究发表或出版的过程中对公共访问。
麦迪森Masaeli博士是凯特·罗宾逊,助理编辑技术网络。188金宝搏备用
