Neural Stem Cells (NSCs) hold transformative potential in embryonic neurogenesis research, disease pathogenesis modeling, and drug-screening system design due to their capacity to differentiate into specific neuronal cells. Despite their promise, technical challenges pertaining to purity, reproducibility, and toxicity hinder the acquisition of high-quality Neural Progenitor Cells (NPCs). To address these challenges, this study utilizes morphology-based artificial intelligence (AI) analysis on neural rosette images to identify optimally conditioned cells. Our AI-driven morphological examination revealed distinct morphotypes within neural rosettes, a factor we found directly correlated with the reliability of neural induction during the neural differentiation process. These findings underline the considerable potential of morphology-based AI analysis as an innovative approach to enhance neural stem cell culture protocols, thereby providing meaningful contributions to the fields of neuroscience and cell biology.
신경줄기세포(Neural stem cells)는 미분화된 상태로 무한히 증식하는 자기복제(self-renew) 능력과 더불어 주변 환경에 상응하여 특정 신경세포 아형(subtypes)으로 분화할 수 있는 다능성을 가진다. 이러한 특성에 기반하여, 신경줄기세포는 중추신경계 질환의 모델링 및 세포치료를 위한 공급원으로서 활용된다. 그러나 이러한 잠재력에도 불구하고, 고품질의 신경줄기세포를 재현성 있게 생산하는 데에는 아직 기술적 제약이 따른다. 본 연구에서는, 이에 본 연구팀은 신경분화의 정량적 평가를 위해, 신경로제트의 형태학적 특성을 기반으로 분화 정도를 평가하는 새로운 방법론을 제안한다. 이를 위해 본 연구에서는 심층학습 (deep learning)과 여러 가지 기계학습 (machine learning) 알고리즘을 활용하였다. 그리고 형태학적 특성이 분화의 품질과 직접적인 상관관계가 있는지 확인하고 뚜렷하게 구분되는 형태표현형을 확인했다. 이러한 연구 결과는 신경 줄기 세포 배양 프로토콜을 개선하기 위한 접근 방식으로서 신경 과학 및 세포 생물학 분야에 의미 있는 기여를 제공할 것으로 기대된다.
