Pembangunan kaedah automatik bioimej unit pembentuk koloni sel stem/progenitor hematopoetik mencit dan aplikasinya dalam model hematotoksisiti aruhan 1,4 benzokuinon

Abstract

Sel stem/progenitor hematopoietik (SSPH) berperanan penting mengawalatur kestabilan hematopoiesis. Asai unit pembentuk koloni (UPK) merupakan ujian in-vitro mengukur keupayaan proliferasi dan pembezaan SSPH berbeza keturunan terdiri daripada eritroid, mieloid dan limfoid. Analisa UPK secara konvensional dibuat secara manual berdasarkan pemerhatian morfologi koloni di bawah mikroskop. Namun, kaedah ini mempunyai kekangan seperti proses analisa yang memakan masa, kecenderungan menghasilkan ralat serta memerlukan sumber manusia terlatih dalam analisanya. Maka, kajian ini bertujuan untuk membangunkan kaedah automatik bioimej untuk pengelasan jenis UPK berbeza keturunan menggunakan pendekatan pembelajaran mesin. Ciri morfologi dan tekstur bagi 5 jenis UPK daripada SSPH berketurunan eritroid (UPK-E), mieloid (UPK-G; UPK-GM; UPK-M), dan limfoid pra- B (UPK-PB) dan aplikasinya dalam model hematotoksisiti aruhan metabolit benzena, 1-4 benzokuinon (1,4-BQ) dikaji. Sel sumsum tulang mencit diisolasi segar dan dikulturkan selama 24 jam sebelum didedahkan kepada 1,4-BQ pada kepekatan 5,7 dan 12μM selama 24 jam. Kemudian, sel daripada kumpulan tanpa pendedahan dan dengan pendedahan 1,4-BQ dituai dan dikulturkan dalam asai UPK selama 7 hari bagi progenitor eritroid dan limfoid dan 14 hari bagi progenitor mieloid. Koloni UPK terbentuk diperhatikan di bawah mikroskop cahaya songsang dan imej koloni ditangkap menggunakan peranti telefon pintar Samsung Galaxy J7 yang dipasang pada penyesuai kanta mikroskop. Sejumlah 638 imej melalui proses penambahan set data menghasilkan 5104 imej yang kemudiannya melalui peringkat pra-pemprosesan, peruasan, pengekstrakan ciri, pemilihan ciri dan pengelasan. Sebelas ciri morfologi diekstrak menggunakan fungsi regionprops dalam perisian MATLAB dan 14 ciri tekstur menggunakan kaedah graylevel co-occurrence matrix (GLCM). Ciri signifikan (p<0.05) dipilih untuk pengelasan jenis UPK menggunakan model Mesin Vektor Sokongan (SVM). Analisa ciri ke atas UPK yang sihat (tanpa pendedahan 1,4-BQ) menunjukkan 8 daripada 11 ciri morfologi yang diekstrak dan kesemua 14 ciri tekstur yang diekstrak menunjukkan perbezaan yang signifikan (p<0.05) antara 5 jenis UPK. Analisa ciri untuk kumpulan UPK yang sihat berbanding kumpulan UPK yang diberi pendedahan 1,4-BQ menunjukkan antara 7 hingga 8 daripada 11 ciri morfologi dan kesemua 14 ciri tekstur memberikan perbezaan yang signifikan (p<0.05) untuk setiap jenis keturunan UPK pada semua kepekatan 1,4-BQ yang diuji. Keberkesanan ciri terpilih untuk mengelaskan 5 jenis UPK sihat dan UPK sihat berbanding UPK dengan pendedahan 1,4-BQ diuji menggunakan pengelas SVM. Keputusan menunjukkan gabungan ciri morfologi dan gabungan ciri tekstur masing-masing menghasilkan ketepatan 75.1% dan 70% dalam pengelasan 5 jenis UPK yang sihat. Bagi pengelasan 5 jenis UPK sihat berbanding UPK terdedah 1,4-BQ pula, penggunaan gabungan ciri tekstur menghasilkan ketepatan pengelasan yang lebih tinggi di antara 50.3 hingga 82.4% berbanding ketepatan pengelasan oleh gabungan ciri morfologi iaitu antara 35.3 hingga 60.3%. Kesimpulannya, ciri morfologi berpotensi digunakan di dalam pembangunan sistem pengelasan 5 jenis UPK yang sihat, manakala ciri tekstur menawarkan potensi sistem pengelasan yang lebih baik untuk membezakan antara 5 jenis UPK sihat dengan UPK didedahkan 1,4-BQ. Penciptaan ini berupaya memacu penggunaan lebih meluas asai UPK untuk aplikasi SSPH dalam bidang penyelidikan dan perubatan