End-to-end plaque counting and virus titration from laboratory plate images with deep learning
Dit artikel introduceert Titra, een end-to-end deep learning-workflow die het volledige proces van virustitratie automatiseert—van weldetectie en plaque-segmentatie tot de schatting van PFU/ml—en een sterke overeenstemming vertoont met handmatige annotaties over diverse virale soorten en plaatformaten heen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
In de stille hoekjes van virologische laboratoria vertrouwen wetenschappers op een eeuwenoude methode om te meten hoeveel infectieus virus aanwezig is in een monster. Ze kweken cellen in een schaaltje, introduceren het virus en wachten tot het virus de cellen doodt in kleine, zichtbare cirkels die plaques worden genoemd. Elke cirkel vertegenwoordigt één infectieus deeltje dat een kettingreactie van vernietiging startte. Door deze cirkels te tellen, kunnen onderzoekers de virusconcentratie berekenen, een cruciaal getal voor het begrijpen van hoe een virus zich verspreidt of hoe goed een vaccin werkt. Decennialang is dit tellen gedaan door menselijke ogen, een traag en tijdrovend proces dat van persoon tot persoon varieert en gevoelig is voor vermoeidheid. De uitdaging is altijd geweest om een manier te vinden om dit tellen te automatiseren zonder de precisie te verliezen die menselijke experts bieden, vooral wanneer de cirkels minuscuul, dicht op elkaar gepakt of wazig zijn.
Een team van onderzoekers heeft nu een nieuwe digitale workflow geïntroduceerd genaamd Titra, die een foto maakt van een laboratoriumplaat en automatisch deze virale cirkels telt, waarbij de uiteindelijke virusconcentratie in één enkele stap wordt berekend. In tegen tegenstelling tot eerdere hulpmiddelen die slechts één deel van de taak afhandelden, zoals het vinden van de cirkels of alleen het tellen ervan, beheert dit systeem het hele proces van de ruwe afbeelding tot het uiteindelijke biologische getal. De onderzoekers testten hun systeem op afbeeldingen van drie verschillende virussen: het Mayaravirus, Coxsackievirus B3 en het vacciniavirus. Ze gebruikten platen met een verschillend aantal wells en afbeeldingen gemaakt onder variërende lichtomstandigheden, inclusief foto's genomen met een standaard smartphonecamera in een regulier laboratorium. Het systeem identificeert eerst de individuele wells in de plaat, lokaliseert vervolgens elke virale cirkel binnen hen, en scheidt tot slot cirkels die elkaar raken of overlappen om een nauwkeurige telling te garanderen.
De resultaten toonden aan dat de geautomatiseerde tellingen met opmerkelijke consistentie overeenkwamen met het werk van menselijke experts. Voor de Mayaro- en Coxsackievirus-monsters kwamen de tellingen van de computer bijna perfect overeen met de handmatige tellingen, en de uiteindelijke berekende virusconcentraties waren vrijwel identiek aan die welke met de hand waren verkregen. Zelfs voor het vacciniavirus, dat veel kleinere en dichter op elkaar gepakte cirkels produceerde die berucht moeilijk te tellen zijn, presteerde het systeem sterk, hoewel het enigszins moeite had wanneer de cirkels zo dicht opeen lagen dat ze samensmolten tot één massa. De onderzoekers stelden vast dat hoewel de computer soms kleine fouten maakte, zoals het zien van een klein stipje als een cirkel waar die niet was, deze fouten meestal gering waren en het uiteindelijke resultaat niet significant veranderden. Sterker nog, de prestaties van het systeem waren vaak even betrouwbaar als de overeenstemming tussen verschillende menselijke experts, die zelf ook soms van mening verschilden over hoe de meest ambigue of dicht opeengepakte cirkels te tellen.
Wat deze aanpak bijzonder nuttig maakt, is dat het geen dure, gespecialiseerde camera's of perfecte laboratoriumverlichting vereist. Het systeem is ontworpen om met standaardfoto's te werken, waardoor het toegankelijk is voor routinegebruik in laboratoria die niet over hoogwaardige beeldvormingsapparatuur beschikken. De onderzoekers hebben de tool ook ingebouwd in een webgebaseerd platform waar een menselijke expert het werk van de computer snel kan controleren. Als het systeem onzeker is over een specifieke cirkel of als de cirkels te dicht op elkaar liggen om duidelijk te scheiden, kan de expert ingrijpen om de telling te corrigeren. Dit creëert een partnerschap waarbij de machine het zware werk afhandelt van het scannen van duizenden afbeeldingen, terwijl de mens toezicht houdt bij de moeilijke gevallen. De studie suggereert dat deze hybride aanpak de tijd en inspanning die nodig is voor virustesten drastisch kan verminderen, terwijl de hoge standaarden van nauwkeurigheid die nodig zijn voor wetenschappelijk onderzoek behouden blijven.
De onderzoekers merkten er zorgvuldig bij op dat hoewel het systeem goed werkt bij verschillende virussen en plaattypen, het geen perfecte oplossing is voor elk mogelijk scenario. Wanneer de virale cirkels extreem dicht en overlappend zijn, heeft het systeem, net als het menselijk oog, meer moeite om individuele eenheden te onderscheiden. Echter, de studie toonde aan dat zelfs in deze uitdagende omstandigheden de schattingen van de uiteindelijke virusconcentratie betrouwbaar bleven. Het werk benadrukte ook dat het meten van het succes van een dergelijk systeem vereist dat men verder kijkt dan alleen hoe goed het de omtrek van een cirkel tekent; de echte test is of het uiteindelijke getal dat het produceert overeenkomt met de biologische realiteit. Door de focus te leggen op het einddoel van nauwkeurige virusmeting in plaats van alleen op de technische details van beeldverwerking, heeft het team een instrument gecreëerd dat de kloof overbrugt tussen complexe kunstmatige intelligentie en praktische laboratoriumbehoeften.
Deze nieuwe workflow vertegenwoordigt een verschuiving in hoe routineuze biologische metingen worden uitgevoerd, bewegend van puur handmatig werk naar een systeem dat computationele kracht combineert met menselijk oordeel. De onderzoekers zijn van plan hun software en de verzamelde gegevens publiekelijk beschikbaar te maken, zodat andere wetenschappers de tool kunnen gebruiken en verbeteren. Naarmate de technologie evolueert, zou deze potentieel aangepast kunnen worden voor andere soorten biologische assays, waardoor de bruikbaarheid wordt uitgebreid voorbij het tellen van virale cirkels. Voor nu staat het als een bewezen methode om de tijdrovende taak van virustitratie sneller, consistenter en toegankelijker te maken voor laboratoria over de hele wereld.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.