[发明专利]基于卷积神经网络的细胞筛选方法和装置

说明书

本申请涉及一种基于卷积神经网络的细胞筛选方法和装置，所述方法包括：获取细胞培养池中多个待测细胞分别对应的待测细胞灰度图；将多个待测细胞对应的多张待测细胞灰度图输入目标卷积神经网络模型；根据所述目标卷积神经网络模型的输出，得到所述多个待测细胞分别对应的蛋白表达量；根据多个待测细胞对应的蛋白表达量，从所述多个待测细胞中确定出蛋白表达量满足设定条件的目标细胞，实现了快速确定具有高蛋白表达量的细胞，避免需要经过反复培养和筛选后才能进行细胞筛选，大大缩短的筛选周期。

技术领域

本申请涉及生物技术领域，特别是涉及一种基于卷积神经网络的细胞筛选方法、装置、计算机设备和存储介质。

背景技术

随着基因工程技术的不断发展，从细胞池中分离出能够表达特定产物的单克隆细胞株已成为生物领域中的常见需求。

在现有技术中，在获取用于培养单克隆细胞株的细胞时，可以先对细胞池中的细胞进行转染，并采用有限稀释法对细胞池进行处理，得到单个细胞，进而可以采用单个细胞培养具有同质性的细胞群体，即细胞株，并筛选其中目的蛋白表达量高的细胞株。

然而，采用有限稀释法获取单细胞的过程较为繁琐，需要反复地培养和筛选，同时，由于细胞转染效率问题，目的蛋白表达水平高的细胞比例较低，导致筛选细胞筛选工作效率较低，筛选周期长，难以快速、准确地获取具有高目的蛋白表达量的细胞。

发明内容

基于此，有必要针对上述技术问题，提供一种基于卷积神经网络的细胞筛选方法、装置、计算机设备和存储介质。

一种基于卷积神经网络的细胞筛选方法，所述方法包括：

获取细胞培养池中多个待测细胞分别对应的待测细胞灰度图；

将多个待测细胞对应的多张待测细胞灰度图输入目标卷积神经网络模型；所述目标卷积神经网络模型根据具有表达量标签的多张训练细胞灰度图训练得到，所述表达量标签用于表征各训练细胞灰度图中细胞的真实蛋白表达量，所述目标卷积神经网络模型用于检测输入模型的待测细胞灰度图中细胞的蛋白表达量；

根据所述目标卷积神经网络模型的输出，得到所述多个待测细胞分别对应的蛋白表达量；

根据多个待测细胞对应的蛋白表达量，从所述多个待测细胞中确定出蛋白表达量满足设定条件的目标细胞。

可选地，还包括：

获取训练细胞灰度图及其对应的训练细胞荧光图；

根据所述训练细胞荧光图，确定对应的训练细胞灰度图中细胞的真实蛋白表达量，基于所述真实蛋白表达量得到所述训练细胞灰度图对应的表达量标签；

采用所述训练细胞灰度图和所述表达量标签训练卷积神经网络模型，生成目标卷积神经网络模型。

可选地，所述根据所述训练细胞荧光图，确定对应的训练细胞灰度图中细胞的真实蛋白表达量，基于所述真实蛋白表达量得到所述训练细胞灰度图对应的表达量标签，包括：

确定所述训练细胞荧光图中绿色通道的数值；

根据所述训练细胞荧光图中绿色通道的数值，确定对应的训练细胞灰度图中细胞的真实蛋白表达量；

将所述真实蛋白表达量确定为所述训练细胞灰度图对应的表达量标签。

可选地，所述采用所述训练细胞灰度图和所述表达量标签训练卷积神经网络模型，生成目标卷积神经网络模型，包括：

将所述训练细胞灰度图输入所述卷积神经网络模型，确定所述训练细胞灰度图对应的蛋白表达量；

根据所述训练细胞灰度图对应的蛋白表达量和所述表达量标签，确定训练误差；