基于光学特征与可解释AI的iPSC-CMs非侵入性成熟度评估新方法

本研究针对诱导多能干细胞来源心肌细胞(iPSC-CMs)的胎儿样表型限制，开发了基于视频运动分析和支持向量机(SVM)的非侵入性成熟度评估系统。通过分析230个视频记录的10个搏动特征，模型准确率达99.5%，SHAP分析揭示位移、舒张上升时间等关键参数。该技术可显著提升药物筛选实验的可重复性，为心脏疾病模型研究提供新工具。

　　

心脏疾病研究领域长期面临人类心肌样本获取困难的挑战，诱导多能干细胞来源心肌细胞(iPSC-CMs)的出现带来了曙光。然而这些实验室培育的心肌细胞往往保持着"幼稚"的胎儿样特性，就像永远长不大的"彼得潘"，其电生理特性和药物反应与成人心肌存在显著差异。这种不成熟状态严重限制了其在药物筛选和疾病建模中的应用价值。虽然脂质补充培养基(MM)能促进iPSC-CMs成熟，但传统的成熟度评估方法需要固定细胞或使用有毒染料，就像为了称体重而必须破坏体重秤——这显然不是理想方案。

针对这一困境，来自德国德累斯顿工业大学的Fabian Scheurer团队在《Computational and Structural Biotechnology Journal》发表创新研究。研究人员巧妙利用iPSC-CMs自发搏动的光学特征，结合可解释人工智能技术，开发了一套非侵入性成熟度评估系统。研究团队采集了4名健康供体来源的iPSC-CMs在分化第21天(未成熟)和第42天(MM培养成熟)的230个视频记录，使用Maia软件提取10个搏动动力学参数，通过支持向量机(SVM)构建分类模型，并采用SHAP方法解析特征重要性。

关键技术方法包括：1)使用60Hz高速摄像记录iPSC-CMs自发收缩；2)Maia运动分析软件提取位移、最大收缩速度(Max C)、舒张上升时间(R-rise time)等10个特征参数；3)采用网格搜索优化SVM超参数；4)SHAP可解释性分析确定关键成熟度指标。

研究结果显示：

1. 1.

   材料与方法部分证实，成熟iPSC-CMs表现出显著改变的搏动特征：Max C和位移增加约50%，收缩时间延长35%，自发搏动频率降低20%。这些变化在4个不同供体来源的细胞系中具有一致性。

2. 2.

   模型优化部分表明，经过超参数调优的SVM模型在保留测试集上达到99.5±1.1%的惊人准确率。5折交叉验证证实模型具有优异鲁棒性，各评估指标标准差均低于2.5%。

3. 3.

   结果分析章节通过SHAP beeswarm图直观展示，位移和R-rise time对分类决策贡献最大，其SHAP值范围达0.45。特别值得注意的是，成熟细胞的位移值普遍>15μm，而未成熟细胞<10μm，这一参数差异堪比儿童与成人步幅的区别。

4. 4.

   图6所示的SHAP瀑布图揭示，单个iPSC-CMs样本的分类决策中，0-1时间(反映完整收缩周期)和R-rise time等舒张相关参数起决定性作用。这暗示心肌细胞成熟过程中，钙离子回收系统的完善可能先于收缩机制的发育。

5. 5.

   讨论部分深入探讨了该方法的应用前景。将模型应用于B27培养基培养的iPSC-CMs时，其成熟度评分介于未成熟和MM培养组之间，这与既往电生理学研究结果高度吻合。研究者特别指出，该方法可无缝整合到常规培养流程中，就像给培养箱安装了一个"成熟度监测器"。

这项研究的创新价值主要体现在三个方面：首先，建立了首个基于光学特征的iPSC-CMs成熟度评估标准，填补了该领域技术空白；其次，开发的可解释AI模型不仅能做出准确判断，还能揭示决策依据，这对理解心肌细胞成熟机制具有重要启示；最后，这种非破坏性方法允许长期动态监测，为药物筛选实验的质量控制提供了新工具。正如研究者强调的，该方法有望成为iPSC-CMs实验的"标准前检程序"，就像手术前的消毒步骤一样不可或缺。

值得关注的是，研究也指出了当前技术的局限性：视频分析参数可能因显微镜设置不同而产生偏差，且模型在更高搏动频率(如心房样iPSC-CMs)中的应用还需优化。这些挑战为未来研究指明了方向，包括开发标准化采集协议和扩展模型适用场景。总体而言，这项研究为干细胞心脏病学研究提供了兼具创新性和实用性的技术工具，其方法论框架也可拓展至其他细胞类型的质量评估领域。