基于深度学习和数学提取模型构建细胞内钙离子图像和数据处理系统

目的为提高[Ca^(2+)]_(i)的分析处理效率,本课题提出一种基于深度学习和数学模型的方法,用于提取钙成像图片中的细胞轮廓、追踪图像中的细胞、提取钙曲线和提取钙曲线中的钙响应峰,并最终获得相关的生物学数据。方法通过全卷积神经网络(FCN)识别原位软骨组织钙成像图片中单个细胞内Ca^(2+)的范围,并记录为二值掩码;通过自编译的细胞追踪算法追踪细胞随时间变化的位置和轮廓,输出对应的钙曲线;通过长短时神经网络(LSTM)以及自构建的数学模型。

用于检测细胞整合素与配体相互作用力的力探针

目的设计力探针,检测细胞生长过程中整合素与配体的相互作用力。方法(1)设计力探针,此探针一端可与基底相连,另一端通过整合素的RGD配体可与细胞连接,中间为可拉伸分子,且连有一对FRET荧光基团,后续称实验力探针。(2)将力探针铺被在基底上,接种细胞,在Zeiss LSM880激光共聚焦显微镜下记录细胞上的荧光强度随时间的变化。(3)设计3组对照实验,分别是无探针,单个荧光基团的两个对照力探针。与步骤(2)相同条件下,记录其荧光强度随时间的变化。