La Drosophila, comúnmente conocida como mosca de la fruta, es un modelo valioso para la fisiopatología del corazón humano, incluido el envejecimiento cardíaco y la miocardiopatía. Sin embargo, un obstáculo en la evaluación de los corazones de la mosca de la fruta es la necesidad de intervención humana para medir el corazón en los momentos de su mayor expansión o de su mayor contracción, mediciones que permiten predecir la dinámica cardíaca.
Investigadores de la Universidad de Alabama en Birmingham ahora han reducido significativamente el tiempo requerido para este análisis mediante el uso de aprendizaje profundo y microscopía de video de alta velocidad para cada latido del corazón de la mosca, utilizando un área más grande del corazón. .
“Nuestro enfoque de aprendizaje automático no sólo es más rápido, sino que reduce el error humano porque no es necesario marcar manualmente cada pared del corazón en condiciones sistólicas y diastólicas”, dijo Girish Melkani, profesor asociado del Departamento de la UAB. de Patología. , División de Patología Molecular y Celular. “Además, puede realizar análisis de varios cientos de corazones y ver el análisis realizado para todos los corazones”.
Esto puede aumentar la capacidad de examinar cómo diversos factores ambientales o genéticos afectan el envejecimiento o la patología cardíaca. Melkani imagina estudios impulsados por el aprendizaje profundo para explorar modelos de mutación cardíaca y otros modelos de animales pequeños, como el pez cebra y los ratones. “Además, nuestras técnicas se pueden adaptar a modelos de corazón humano, proporcionando información valiosa sobre la salud y las enfermedades cardiovasculares. La incorporación de métodos de cuantificación de incertidumbre en nuestros análisis puede aumentar aún más la confiabilidad. Además, el enfoque de aprendizaje automático puede predecir el envejecimiento cardíaco con alta precisión. “
Melkani afirma que el modelo de la mosca de la fruta ya ha resultado muy eficaz para comprender las bases fisiopatológicas de muchas enfermedades cardiovasculares humanas. La enfermedad cardíaca es una de las principales causas de muerte y discapacidad en los Estados Unidos.
Melkani y sus colegas de la UAB evaluaron su modelo entrenado sobre el rendimiento cardíaco tanto en el envejecimiento cardíaco de la mosca de la fruta como en un modelo de miocardiopatía dilatada causada por la caída de una enzima clave del ciclo del TCA, la oxoglutarato deshidrogenasa. Luego, estas evaluaciones automatizadas se validaron con conjuntos de datos experimentales existentes. Por ejemplo, para moscas de la fruta de cinco semanas de edad en comparación con una semana de edad, que es la mitad de la vida útil de una mosca de la fruta, el equipo de la UAB utilizó 54 corazones para el entrenamiento del modelo y luego 177 validaron sus mediciones contra modelos experimentales de envejecimiento con corazones. . Su modelo entrenado pudo reproducir las tendencias esperadas en los parámetros cardíacos con el envejecimiento.
Melkani dice que el modelo de su equipo se puede implementar en hardware de consumo fácilmente disponible, y el código de su equipo puede proporcionar estadísticas computacionales que incluyen diámetros/intervalos diastólicos y sistólicos, acortamiento fraccional, fracción de eyección, período/frecuencia cardíaca y frecuencia cardíaca cuantitativa.
“Hasta donde sabemos, esta plataforma innovadora para la segmentación asistida por aprendizaje profundo es la primera de su tipo que se aplica a la microscopía óptica estándar de alta resolución y alta velocidad de corazones de Drosophila mientras se cuantifican todos los parámetros relevantes”, dijo Melkani.
“Al automatizar este proceso y proporcionar datos cardíacos detallados, allanamos el camino para estudios más precisos, eficientes y completos de la función cardíaca en Drosophila. Este enfoque no sólo nos ayuda a comprender el envejecimiento y las enfermedades en las moscas de la fruta. Tiene un potencial tremendo, sino que también traducir estos conocimientos en la investigación cardiovascular humana”.
