在球蛋白细胞炎中进行半细胞外DNA半定量的受监督机器学习

骨髓环氧酶抗中性粒细胞质抗体相关血管炎（MPO-AAV）是一种自身免疫性疾病，导致肾功能衰竭的病理球状损伤与相当大的细胞死亡和脱氧核糖核酸（DNA）释放^11，2。2DNA可以作为危险信号激活免疫系统。在正常健康条件下，DNA的核位置可以保护他们免受免疫系统的照射。自我DNA在致病过程或自身免疫过程中在细胞外释放，被免疫系统视为一种有效的亲炎损伤相关分子自蛋白^{（DAMP）3。}额外的细胞DNA（ecDNA）通过几个不同的机制从垂死细胞中释放出来，这些机制受不同的生化途径控制，如凋亡、神经球菌外细胞陷阱形成（NET）、坏死或肺尘埃增多^4,4、5、6、7、8。^5,6,7,8

我们在此描述从死亡细胞释放的ecDNA的方法，从实验抗MPO GN和从MPO-AAV^99，1010患者患者体内固定石蜡嵌入（FFPE）肾脏部分释放。从血清和尿液以及体外测定^11，12,12检测中检测循环双链DNA（dsDNA）和DNA复合物的方法有多种。这些方法虽然准确确定ecDNA的含量，但不能确定在解剖学上释放ecDNA的位置。有一些方法描述了ecDNA的具体测量，如凋亡调谐器和细胞碎片的测量^{13，14。13,}没有任何方法描述测量ecDNA在发生病理损伤的FFPE肾脏中所有形式的细胞死亡。这一点很重要，以确定实验性治疗是否正在清除从实际目标器官的病理损伤部位的ecDNA。

从肾脏样本中采集多个图像可创建大量数据，通常由一个用户进行分析。这耗费人力，耗时，由于用户偏见，其他用户可能会难以重现。可训练Weka分段是ImageJ的开源软件插件，它使用尖端的生物信息工具使用机器学习算法^15、16,16对像素进行分类。此方法是”可训练”的，它根据用户对像素段的分类来学习，并将新学习的分类应用于其他图像。此方法依赖于 ImageJ 程序中的常见分析工具，这些工具用于将段中的每个像素”分类”为属于特定”类”。程序学习”分类器”后，可用于识别同一图像中的其他类似分类段。然后，此模型将保存并应用于同一实验中的其他图像集。

目前确定肾分部原位ecDNA的障碍是内源性自荧光，从正式固定在形式和劳动密集型分析的图像。我们在这里描述如何淬火这种自动荧光，检测ecDNA，并使用监督机器学习进行高通量测量ecDNA。我们之前已经发布了使用 ImageJ 中的宏进行的 NET 和细胞外 MPO （ecMPO） 的测量，现在我们演示了这些方法使用监督机器学习¹的半自动化。我们演示了机器学习工具的适应性，以在同一图像中对 NET 和 ecMPO 的替代污渍进行分类。此处描述的这些染色方法用于检测 ecDNA、NET 和 ecMPO，可转换为其他固体器官和疾病，其中 ecDNA、NETS 和 ecMPO 在使类风湿性关节炎和狼疮^等,疾病长期存在^{中发挥作用。}