미토콘드리아 기능장애는 신경퇴행성 질환에서 수렴적으로 나타나는 공통 특징이며, 조기 진단과 치료를 위한 유망한 바이오마커를 의미한다. 그러나 현재의 in vitro 분석법은 형광 또는 전자현미경에 의존하고 있어 침습적이며 처리량이 낮고, 장기추적 분석과 호환되지 않는다. 본 연구에서는 무표지 광학 회절 단층촬영(optical diffraction tomography, ODT)과 소기관(organelles) 인지 표현 학습을 통합하여, 생체 내 사람 유도만능줄기세포(hiPSC) 유래 뉴런에서 미세한 미토콘드리아 기능장애를 검출하는 비침습적 프레임워크를 제시한다. 핵, 리소좀, 미토콘드리아를 대상으로 한 가상 염색(virtual staining)을 통해, 상호 보완적이며 해석 가능한 두 가지 분류 파이프라인을 구축하였다. 즉, 소기관 인지 인코더를 갖춘 딥러닝 모델과 형태계측(morphometric) 지표에 기반한 로지스틱 회귀 모델이다. 두 모델 모두 약 85%의 정확도를 달성하였는데, 딥러닝 모델은 최소한의 특성 공학으로 종단 간(end-to-end) 예측을 제공하는 반면, 로지스틱 회귀 모델은 보다 해석 가능한 특성 기반 접근을 제공한다. 우리가 아는 한, 본 연구는 생체 내 사람 뉴런에서 ODT 기반 소기관 분해능(organelles-resolved) 가상 염색을 최초로 시연한 것으로, 미토콘드리아 질환 모델링, 약물 발견, 신경퇴행성 연구를 위한 확장 가능한 비침습 플랫폼을 확립한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.