彗星アッセイ画像中のDNA損傷の検出と定量化のためのより高速なR-CNNアプローチ

Faster R-CNN approach for detection and quantification of DNA damage in comet assay images.

• Riccardo Rosati
• Luca Romeo
• Sonia Silvestri
• Fabio Marcheggiani
• Luca Tiano
• Emanuele Frontoni

抄録

背景と目的:

DNA損傷解析は、病気の診断・治療から遺伝的・環境的影響のモニタリングまで、さまざまな分野で貴重な情報を提供することができます。損傷の評価はコメットスコアリングによって決定され、これは熟練したオペレータが手動の手順で行うことができる。しかし、この方法は非常に時間がかかり、オペレーターに依存するため、ダメージの定量化には主観的な判断が必要となり、その結果、オペレーター間/オペレーター間のばらつきが大きくなります。

BACKGROUND AND OBJECTIVE: DNA damage analysis can provide valuable information in several areas ranging from the diagnosis/treatment of a disease to the monitoring of the effects of genetic and environmental influences. The evaluation of the damage is determined by comet scoring, which can be performed by a skilled operator with a manual procedure. However, this approach becomes very time-consuming and the operator dependency results in the subjectivity of the damage quantification and thus in a high inter/intra-operator variability.

方法:

本論文では、Faster R-CNNをベースとしたディープラーニング手法を導入し、彗星に見られない識別パターンを発見しながら、アプローチ全体を完全に自動化することで、この課題を克服することを目指している。

METHODS: In this paper, we aim to overcome this issue by introducing a Deep Learning methodology based on Faster R-CNN to completely automatize the overall approach while discovering unseen discriminative patterns in comets.

結果:

2つの実際のユースケースのデータセットで行われた実験結果から、他の最先端のアプローチと比較して、提案手法がより高い性能（平均絶対精度0.74まで）を発揮していることが明らかになりました。さらに、専門家である生物学者による検証手順により、提案手法が、人間の目や標準的なコンピュータビジョンの手法からは見えない真の彗星を明らかにすることができることが明らかになりました。

RESULTS: The experimental results performed on two real use-case datasets reveal the higher performance (up to mean absolute precision of 0.74) of the proposed methodology against other state-of-the-art approaches. Additionally, the validation procedure performed by expert biologists highlights how the proposed approach is able to unveil true comets, often unseen from the human eye and standard computer vision methodology.

結論:

本研究では、DNA損傷を評価するための物体検出ディープラーニング技術をベースにした新しいアプローチを導入し、バイオメディカルインフォマティクス分野に貢献している。本研究では、彗星アッセイ画像中のDNA損傷の検出と定量化のために、Faster R-CNNを適用し、DNA損傷の検出・分類作業を完全に自動化した。2つの実際のデータセットを用いた実験結果から、(i)他の最先端のディープラーニングと比較して、提案手法のロバスト性が高いこと、(ii)彗星解析の高速化、(iii)演算子内/演算子間のばらつきの最小化が実証された。

CONCLUSIONS: This work contributes to the biomedical informatics field by the introduction of a novel approach based on established object detection Deep Learning technique for evaluating the DNA damage. The main contribution is the application of Faster R-CNN for the detection and quantification of DNA damage in comet assay images, by fully automatizing the detection/classification DNA damage task. The experimental results extracted in two real use-case datasets demonstrated (i) the higher robustness of the proposed methodology against other state-of-the-art Deep Learning competitors, (ii) the speeding up of the comet analysis procedure and (iii) the minimization of the intra/inter-operator variability.

Copyright © 2020 Elsevier Ltd. All rights reserved.