একজন PhD ছাত্র 3 ঘণ্টা ধরে কোষ গোনে। AI একই স্লাইড 90 সেকেন্ডে গোনে, এবং মঙ্গলবার ও শুক্রবারের মধ্যে নিজের সাথে দ্বিমত পোষণ করে না।
কোষ গণনা জীববিজ্ঞান, ফার্মাকোলজি এবং চিকিৎসা গবেষণায় সবচেয়ে পুনরাবৃত্তিমূলক কাজগুলির একটি। প্রতিটি কোষ সংবর্ধন পরীক্ষা, ওষুধের ডোজ অধ্যয়ন এবং কার্যক্ষমতা পরীক্ষা একই প্রশ্ন দিয়ে শুরু হয়: এই নমুনায় কতগুলি কোষ আছে? ঐতিহ্যগত উত্তরে একটি হিমোসাইটোমিটার, একটি মাইক্রোস্কোপ এবং অনেক ধৈর্য প্রয়োজন। AI-চালিত গণনা সরঞ্জাম এখন অভিজ্ঞ অপারেটরদের চেয়েও ভালো সামঞ্জস্যতায় সেকেন্ডে ফলাফল দেয়।
ম্যানুয়াল গণনার কষ্ট
হিমোসাইটোমিটার দিয়ে ম্যানুয়াল কোষ গণনা এক শতাব্দীতে খুব কমই পরিবর্তিত একটি আচার অনুসরণ করে। নমুনা গণনা চেম্বারে লোড করুন। কভারস্লিপ রাখুন। মাইক্রোস্কোপ ফোকাস করুন। চারটি কোণার চতুর্ভুজ গুনুন। গড় গণনা করুন। তরলীকরণ গুণক দিয়ে গুণ করুন। সংখ্যা রেকর্ড করুন। পরবর্তী নমুনার জন্য পুনরাবৃত্তি করুন।
একজন দক্ষ টেকনিশিয়ানের জন্য একটি নমুনায় 10 থেকে 15 মিনিট লাগে। একটি সাধারণ কোষ সংবর্ধন দিনে 10 থেকে 30টি নমুনা থাকতে পারে, এবং সময়-কোর্স মনিটরিং প্রয়োজন এমন পরীক্ষা এটিকে ঘণ্টা বা দিন জুড়ে গুণিত করে। হিসাব দ্রুত বাড়ে: একাধিক পরীক্ষা চালানো একটি গবেষণা দল সহজেই সপ্তাহে 20 থেকে 30 ঘণ্টা শুধু গণনায় ব্যয় করতে পারে।
বড় সমস্যা সময় নয়, পরিবর্তনশীলতা। গবেষণায় দেখা যায় হিমোসাইটোমিটার গণনায় অপারেটর-মধ্যে প্রকরণ 52% পর্যন্ত পৌঁছাতে পারে, এবং একজন অপারেটরও একই নমুনার পুনরাবৃত্তি গণনায় 20% পর্যন্ত প্রকরণ তৈরি করে। চেম্বার লোডিং ত্রুটি প্রায় 4.6% অবদান রাখে, পিপেটিং আরও 4.7% যোগ করে এবং কভারস্লিপ অবস্থানও 7.6% পার্থক্য আনে। এই ত্রুটির উৎসগুলি জমা হলে, 15% এর চেয়ে ভালো প্রকরণ সহগ অর্জন করতে একাধিক চেম্বারে শত শত কোষ গণনা করা প্রয়োজন।
AI কোষ গণনা কিভাবে কাজ করে
AI কোষ গণনা একই ইনপুট দিয়ে শুরু হয়: একটি মাইক্রোস্কোপ ছবি। পার্থক্য হলো এরপর কী ঘটে। একজন মানুষ চতুর্ভুজে চোখ সরু করে দেখার বদলে, একটি কম্পিউটার ভিশন মডেল ছবিটি সেগমেন্ট করে, পৃথক কোষ চিহ্নিত করে এবং আস্থা চিহ্নিতকারী সহ গণনা ফেরত দেয়, সাধারণত প্রতি ছবিতে 30 সেকেন্ডেরও কম সময়ে।
SnapCyte-এর মতো সরঞ্জামগুলি মাইক্রোস্কোপ ক্যামেরা বা এমনকি স্মার্টফোন অ্যাডাপ্টারের মাধ্যমে 10X ম্যাগনিফিকেশনে ক্যাপচার করা স্ট্যান্ডার্ড হিমোসাইটোমিটার ছবির সাথে সরাসরি কাজ করে। AI স্বয়ংক্রিয়ভাবে গ্রিড লাইন শনাক্ত করে, গণনা এলাকার মধ্যে কোষ চিহ্নিত করে এবং ঘনত্ব ও কার্যক্ষমতা গণনা করে। ম্যানুয়াল কনফিগারেশন ছাড়াই Neubauer, ইমপ্রুভড Neubauer এবং Burker চেম্বার টাইপ সমর্থন করে।
কালচার প্লেটে সংলগ্ন কোষের জন্য, AI-বর্ধিত মাইক্রোস্কোপি পাত্রে সরাসরি কোষ শনাক্ত করতে ফেজ-কনট্রাস্ট বা ফ্লুরোসেন্স ইমেজিং ব্যবহার করে। কোনো ট্রিপসিনাইজেশন নেই, কোনো নমুনা স্থানান্তর নেই, কোনো হিমোসাইটোমিটার নেই। কোষগুলি তাদের বৃদ্ধির পরিবেশে অবিচলিত থাকে।
নির্ভুলতা এবং পুনরুৎপাদনযোগ্যতা
AI কোষ গণনা জীবিত ও মৃত কোষের মিশ্রণে 6.26% এর কম গড় পরম শতাংশ ত্রুটি অর্জন করে, যা ম্যানুয়াল হিমোসাইটোমিটার গণনার 15 থেকে 52% প্রকরণ পরিসীমার চেয়ে উল্লেখযোগ্যভাবে ভালো। আরও গুরুত্বপূর্ণ, AI প্রতিবার একই ছবি প্রক্রিয়া করার সময় একই ফলাফল দেয়।
পুনরুৎপাদনযোগ্যতাই আসল সুবিধা। ওষুধ স্ক্রীনিংয়ে, বেসলাইন কোষ গণনায় 20% প্রকরণ প্রতিটি পরবর্তী গণনায় ক্যাসকেড করে: IC50 মান স্থানান্তরিত হয়, ডোজ-রেসপন্স কার্ভ দোলায়িত হয় এবং পরীক্ষাগুলির পরিসংখ্যানগত তাৎপর্যে পৌঁছাতে আরও প্রতিলিপি প্রয়োজন। শুরুতে সামঞ্জস্যপূর্ণ গণনা পরবর্তী প্রতিটি ফলাফলকে আরও সুনির্দিষ্ট করে।
প্রতি নমুনায় 10 থেকে 15 মিনিট। প্রকরণ সহগ: অভিজ্ঞ ব্যবহারকারীদের জন্য 5 থেকে 15%, অপারেটর-মধ্যে 52% পর্যন্ত। ফলাফল কে গণনা করে এবং কখন তার উপর নির্ভর করে।
প্রতি ছবিতে 30 সেকেন্ডের কম। অপারেটর-মধ্যে প্রায় শূন্য প্রকরণ। একই ছবি, একই গণনা, প্রতিবার।
যে কোষের ধরন ভালো কাজ করে
AI গণনা বিভিন্ন ধরনের কোষ ও প্রস্তুতি পরিচালনা করে।
- সাসপেনশন কোষ (CHO, Jurkat, PBMC): ট্রাইপ্যান ব্লু কার্যক্ষমতা স্টেইনিং সহ সরল শনাক্তকরণ
- কালচারে সংলগ্ন কোষ: ফেজ-কনট্রাস্ট ইমেজিং প্লেট থেকে না তুলে কোষ গণনা করে
- রক্ত কোষ: স্টেইনড স্মিয়ার থেকে শ্বেত রক্তকণিকা বিভেদ এবং প্লেটলেট গণনা
- ব্যাকটেরিয়া কলোনি: একটি ছবি থেকে আগার প্লেটে CFU গণনা
- ইস্ট কোষ: ব্রুইং এবং বায়োটেকনোলজি অ্যাপ্লিকেশনের জন্য বাডিং এবং নন-বাডিং বিভেদ
প্রধান চ্যালেঞ্জ হলো ব্যাপকভাবে ওভারল্যাপিং কোষ ক্লাস্টার, ঘন ধ্বংসাবশেষ ক্ষেত্র এবং মাইক্রোস্কোপ অবজেক্টিভের রেজোলিউশন সীমার নিচে অত্যন্ত ছোট কোষ। 10X থেকে 20X ম্যাগনিফিকেশনে বেশিরভাগ স্ট্যান্ডার্ড কোষ সংবর্ধন কাজের জন্য, AI গণনা উৎপাদন-প্রস্তুত।
নতুন হার্ডওয়্যার ছাড়া শুরু করা
প্রবেশের বাধা বেশিরভাগ গবেষকদের প্রত্যাশার চেয়ে কম। AI কোষ গণনা সরঞ্জাম বিদ্যমান মাইক্রোস্কোপ সেটআপের সাথে কাজ করে, কোনো বিশেষ স্বয়ংক্রিয় কাউন্টার প্রয়োজন নেই। ক্যামেরা সংযুক্তি সহ একটি স্ট্যান্ডার্ড ল্যাব মাইক্রোস্কোপ যথেষ্ট। কিছু সরঞ্জাম আইপিসের মাধ্যমে তোলা স্মার্টফোন ছবির সাথেও কাজ করে।
ইতিমধ্যে হিমোসাইটোমিটার ব্যবহারকারী ল্যাবের জন্য, রূপান্তর তাৎক্ষণিক: আপনি সাধারণত চোখে গণনা করবেন এমন ছবি ক্যাপচার করুন, আপলোড করুন এবং আস্থা ওভারলে সহ গণনা পান। হিমোসাইটোমিটার থাকে, চোখের চাপ চলে যায়।
উপসংহার
কোষ গণনা এক শতাব্দীরও বেশি সময় ধরে গবেষণা ল্যাবে একটি ম্যানুয়াল, বিষয়ভিত্তিক বাধা ছিল। AI জীববিজ্ঞান পরিবর্তন করে না, এটি গণনার সময়, সামঞ্জস্যতা এবং নির্ভরযোগ্যতা পরিবর্তন করে। 15 মিনিটের বদলে 30 সেকেন্ডের কম। 15 থেকে 52% পরিবর্তনশীলতার বদলে 6% এর কম ত্রুটি। মঙ্গলবার এবং শুক্রবারে একই ফলাফল।
পরের বার যখন একটি কোষ সংবর্ধন পরীক্ষা 30 মিনিটের হিমোসাইটোমিটার গণনা দিয়ে শুরু হবে, চেম্বার ফটোগ্রাফ করার চেষ্টা করুন। ইনকিউবেটরের দরজা বন্ধ হওয়ার আগেই গণনা প্রস্তুত হয়ে যাবে।