《Archives of Toxicology》：AIComet: a reliable automated scoring program for DNA damage assessment in the comet assay
编辑推荐：
碱性彗星试验广泛应用于生物监测研究中的遗传毒性评估，但缺乏标准化评分体系，且实验室间变异性较高。视觉评分耗时、依赖操作人员，且在低水平DNA损伤检测中敏感性有限。为解决这些局限，研究人员开发了一种完全自动化、开放获取的彗星试验分析评分模型。研究人员评估了AIC
碱性彗星试验广泛应用于生物监测研究中的遗传毒性评估，但缺乏标准化评分体系，且实验室间变异性较高。视觉评分耗时、依赖操作人员，且在低水平DNA损伤检测中敏感性有限。为解决这些局限，研究人员开发了一种完全自动化、开放获取的彗星试验分析评分模型。研究人员评估了AIComet模型的性能，将其与实验室内部对327名健康志愿者淋巴细胞的手动评分进行比较，并与11名受训调查人员对公开图像数据集的视觉评分进行对比，同时评估了增加计分细胞核数量对结果敏感性的影响。AIComet在彗星分类与检测方面表现优异，与实验室内部调查人员的手动评分相关性极佳，线性回归方程为y＝1.02x－0.155，决定系数R2为0.92。在三个数据集上，AIComet的评分（分别为51.0、40.2和55.0任意单位）始终接近13名调查人员的中位数评分（分别为50.4、41.0和61.7任意单位）。在敏感性方面，需要计分N＝310个细胞核，才能使基于N个细胞核的评分与基于所有可用细胞核的评分之间的中位相对差异达到10%，其95%置信区间为[0.4%–42.1%]。AIComet是一种标准化、可重复、省时的彗星试验评分技术，可减少操作人员依赖性变异，同时提高检测DNA损伤细微差异的敏感性。这些发现不仅对低暴露水平的生物监测研究具有重要意义，也有助于整体提升彗星试验结果的重现性。
本研究发表于《Archives of Toxicology》，针对碱性彗星试验（又称单细胞凝胶电泳，single?cell gel electrophoresis，SCGE）长期存在的标准化不足与实验室间变异性高的问题展开。该试验虽广泛用于体外、体内及人群遗传毒性与DNA损伤评估，可检测单双链断裂及碱不稳定位点，但视觉评分耗时长、主观性强，且在低损伤水平下敏感性不足；现有半自动化与商业化图像分析工具仍需人工干预、成本高且通量受限，深度学习算法则存在精度有限与泛化能力不足等缺陷。为此，研究人员开发了基于深度学习的全自动化、开放获取评分模型AIComet，以提升标准化程度、减少操作变异并提高检测灵敏度。
关键技术方法方面，研究人员使用ESMERALDA?14亚队列中327名健康志愿者的外周血单个核细胞（peripheral blood mononuclear cells，PBMCs）作为样本来源，遵循hCOMET推荐的实验流程完成碱性彗星试验制备与SYBR Gold染色。图像由VS120切片扫描仪采集，经QuPath软件完成归一化与分块预处理。由经验丰富的实验人员依据四类损伤形态完成2203张图像的标注，按7∶1.5∶1.5比例划分为训练集、调优集与验证集。模型采用YOLOv11l架构，基于COCO数据集预训练权重进行迁移学习，最终形成AIComet评分系统，并可输出CSV汇总文件。此外，研究人员利用公开图像数据集与实验室内部数据分别评估模型与外部专家的一致性及计分数量对敏感性的影响。
研究结果部分，首先在模型验证中，内部YOLO指标显示AIComet对0–3类彗星的平均精度均值（mean Average Precision，mAP）@50达0.854，其中无迁移类（class 0）AP50高达0.981，仅未定义类别因形态异质性拉低整体指标。混淆矩阵分析表明，除未定义核外，总体误分类率低于5%，class 0、2、3的分类准确率分别为0.98、0.95和0.94，class 1准确率为0.81，漏检率为1.06%，class 3漏检略高为2.65%。其次在与内部调查人员的比较中，AIComet与人工对327例样本的评分回归方程为y＝1.02x－0.155，R2＝0.92，几乎呈一一对应关系且系统偏差极小。第三，在外部专家数据集上，AIComet在三组数据中的评分分别为51.0、40.2和55.0任意单位，与13名专家的中位数评分（50.4、41.0和61.7）高度一致，且几乎实现全细胞检测。最后在计分数量敏感性评估中，研究人员发现常规计100个核的中位相对差异为19.4%，需至少310个核才能降至10%，若要达到95%置信区间上限低于20%，则需计约900个核。
讨论部分指出，AIComet在分类与检测上均表现出色，其全自动特性消除了人员内与人员间的评分变异，且通量大幅提升，可在约10秒内完成3500个核的评分，使大样本量下的高灵敏度检测成为可能。虽然极少数高度扩散的class 3彗星可能因重叠而被漏检，但可通过优化细胞浓度缓解。与已有研究一致，增加计分细胞数显著提升低损伤水平的检测能力，这对低暴露人群的生物监测尤为关键。在与外部数据集的比较中，AIComet在不同细胞类型、染色方法与成像条件下仍保持稳健性能，验证了良好的泛化能力。源代码公开进一步支持社区根据具体实验条件进行再训练与适配。总体而言，AIComet为彗星试验提供了一种标准化、高通量、低变异的分析工具，有助于推动跨研究的数据可比性与结果可靠性。
