Hücre kültürü analizlerinde artırılmış hassasiyet: hücre büyümesi ve canlılığının tarafsız ve tahribatsız değerlendirilmesi için yapay zekâdan yararlanma

Hücresel kontroller neden önemli

Her yeni ilaç testi ya da temel biyoloji deneyi, plastik kaplarda büyüyen canlı hücrelerin arkasına dayanır. Araştırmacıların kaç hücreleri olduğunu, bu hücrelerin ne kadar hızlı büyüdüğünü ve kaçının hâlâ canlı olduğunu bilmesi gerekir. Bugün bu genellikle göze, elle ya da kimyasal boyalarla yapılır; bu yöntemler yavaş, maliyetli ve insan hatasına açıktır. Bu çalışma, ekstra reaktifler veya pahalı cihazlara ihtiyaç duymadan basit mikroskop görüntülerini okuyarak hücre büyümesini ve sağlığını hızlıca değerlendiren SnapCyte adlı yapay zekâ aracını tanıtıyor.

Hücrelerin büyümesini izlemenin yeni bir yolu

Yazarlar öznel, elle yapılan kontrolleri daha nesnel bir yaklaşımla değiştirmeyi amaçladı. SnapCyte’i standart mikroskoplarla veya hatta akıllı telefonlarla çekilmiş sıradan hücre görüntülerini analiz edecek şekilde geliştirdiler. Sistem üç temel soruya odaklanıyor: kabın ne kadarının hücrelerle kaplandığı (konfluans), kaç hücrenin bulunduğu (hücre sayısı) ve canlı ile ölü hücrelerin oranı (canlılık). Yazılımı eğitmek için farklı hücre tipleri, kültür kapları ve görüntüleme koşullarından oluşan, dikkatle etiketlenmiş büyük bir görüntü koleksiyonu derlediler. İnsan uzmanlar hücre alanlarını izledi ve hücreleri saydı; bu örnekler daha sonra derin öğrenme modellerine hücre örtülmesi, sayısı ve sağlığıyla ilişkili desenleri tanımayı öğretmek için kullanıldı.

Bilgisayara hücre uzmanı gibi görmeyi öğretmek

Yüzeyin ne kadarının hücrelerle kaplandığını değerlendirmek için ekip, her pikseli basit bir “hücre” veya “hücre değil” kararına dönüştürebilen bir tür görüntü analizi ağı kullandı. Modeli bağımsız test görüntülerinde %90’ın üzerinde doğruluğa ulaşana kadar yineleyerek eğitip düzelttiler. SnapCyte’in hücre örtülmesi tahminleri insan uzmanlarla neredeyse mükemmel uyum gösterdi ve birkaç popüler yazılım aracını açıkça geride bıraktı. Sistem ayrıca görüntü kalitesi ve çözünürlük değiştiğinde de doğru kalmayı sürdürdü; bu, günlük laboratuvar çalışmalarında tipik olan düzensiz aydınlatma, odak ve kontrastla başa çıkabileceğini gösteriyor.

Örtülmeden sayımlara ve hücre sağlığına

Bireysel hücreleri saymak ve hangilerinin canlı olduğunu belirlemek daha zordur; özellikle hücreler üst üste geldiğinde veya boyutları değişken olduğunda. Bunu ele almak için araştırmacılar mevcut bir hücre-segmente etme ağını uyarlayıp çok sayıda hücre tipi, kan hücreleri ve bilinen boyutlardaki plastik boncukların görüntüleri üzerinde yeniden eğittiler. “İnsan-döngüde” bir süreç kullandılar: hataları tekrar tekrar düzelterek ve daha zorlu örnekler ekleyerek model, hücrelerin %95’inden fazlasını bulacak ve nadiren enkazı hücre zannedecek hale geldi. Eşlik eden bir model hücre boyutunu tahmin etmeyi ve yaygın boyalarla boyanmış canlı ile ölü hücreleri ayırmayı öğrendi. Canlı ve ölü karışık örneklerle yapılan testlerin tamamında, SnapCyte’in sonuçları uzman insan sayımlarından %5’ten az farklılık gösterdi; önceki makine öğrenimi yaklaşımları çok daha büyük hatalara sahipti.

Yapay zekâyı klasik laboratuvar yöntemlerine karşı test etmek

Ardından ekip, SnapCyte’in araştırma ve ilaç geliştirmede kullanılan standart büyüme ve toksisite testlerinin yerini alıp alamayacağını ya da bunlarla eşleşip eşleşemeyeceğini sordu. Hücre örtülmesi ölçümlerini doğrudan hücre sayımlarına, metabolizmayı izleyen renk bazlı testlere ve ticari bir canlı hücre görüntüleme cihazına karşı karşılaştırdılar. Birden çok hücre hattı ve ilaç muamele deneylerinde, SnapCyte’in çıktıları bu yerleşik yöntemlerle yakından eşleşti ve sıklıkla kullanıcılar arası değişkenlikten daha az sapma gösterdi. Araç ayrıca hücrelerin sayılarının iki katına çıkma süresini tahmin edebildi ve daha az plaka, daha az reaktif ve çok daha az elle müdahale ile yayımlanmış verilerle uyumlu ilaç duyarlılığı değerleri verdi.

Günlük laboratuvar çalışmaları için ne anlama geliyor

Genel olarak çalışma, hücre kültürlerinin basit görüntülerinin, eğitimli bir yapay zekâ sisteminin hücre sayısını ve sağlık durumunu temas etmeden veya kimyasal eklemeden değerlendirmesi için yeterli görsel bilgi içerdiğini gösteriyor. SnapCyte hızlı, tutarlı ölçümler sağlıyor ve büyük ölçüde kullanan kişinin kim olduğundan ya da hangi mikroskopu kullandığından bağımsız. Çalışan bilim insanları için bu, hücre büyümesini rutin olarak kontrol etmeyi daha güvenilir ve daha az emek yoğun hale getirebilir; ayrıca aynı hücreleri ilerideki deneyler için korur.

Atıf: Wong, C.P., Khazamipour, N., Aalibagi, S. et al. Enhanced precision in cell culture analytics: leveraging artificial intelligence for unbiased and non-destructive assessment of cell growth and viability. Cell Death Discov. 12, 234 (2026). https://doi.org/10.1038/s41420-026-03116-9

Anahtar kelimeler: hücre kültürü, yapay zekâ, hücre sayımı, hücre canlılığı, görüntü analizi