Segmentación de imágenes de ensayo cometa con algoritmos no supervisados
Palabras clave:
Ensayo cometa, Modelos de Gauss-Markov, K-medias, Mezcla de Gaussianas
Resumen
La electroforesis en gel unicelular, también conocida como ensayo cometa, es una técnica que permite cuantificar sobre imágenes digitales el daño del ADN a nivel celular. La segmentación del cuerpo del cometa y la cabeza de este posibilitan extraer características distintivas del cometa, como son el área, la longitud, el nivel de intensidad y la esfericidad para un posterior análisis y estimación del daño celular. En este artículo se evalúan cuantitativamente tres métodos de segmentación no supervisada para la extracción del cuerpo y la cabeza del cometa, que son fáciles de implementar y no utilizan un gran tiempo computacional en su ejecución.
Citas
[1] A. Rodr´ıguez Rey, E. Noris Garc´ıa, M. T. Fundadora Torres, Principios y relevancia del ensayo cometa, Revista
Cubana de Investigaciones Biom´edicas. 35 (2016) 184–194.
[2] F. F. Fierro, Electroforesis de ADN, in: A. Cornejo Romero, A. Serrato D´ıaz, B. Rend´on Aguilar, M. G.
Rocha Munive (Eds.), Herramientas moleculares aplicadas en ecolog´ıa: aspectos te´oricos y pr´acticos, Secretar´ıa
de Medio Ambiente y Recursos Naturales, 2014, pp. 27–51.
[3] J. Luna-Gonz´alez, A. Martin-Gonzalez, C. Brito-Loeza, A. Espinosa-Romero, E. Pacheco-Pantoja, Introducci´on
a t´ecnicas de segmentaci´on de c´elulas del ensayo cometa, Ingenier´ıa Revista Acad´emica de la Facultad de
Ingenier´ıa Universidad Aut´onoma de Yucat´an 22 (2018) 26–37.
[4] T. Lee, S. Lee, W. Sim, et al., Hicomet: a high-throughput comet analysis tool for large-scale dna damage
assessment, BMC Bioinformatics 19 (2018) 44.
[5] Y. Hong, H. Han, H. Lee, J. Ko, et al., Deep learning method for comet segmentation and comet assay image
analysis, Scientific reports 10 (2020) 18915.
[6] S. Ganapathy, A. Muraleedharan, P. S. Sathidevi, P. Chand, R. P. Rajkumar, Cometq: An automated tool
for the detection and quantification of dna damage using comet assay image analysis, Computer Methods and
Programs in Biomedicine 133 (2016) 143–154.
[7] A. Beleon, S. Pignatta, C. Arienti, A. Carbonaro, P. Horvath, G. Martinelli, G. Castellani, A. Tesei, F. Picci-
nini, Cometanalyser: A user-friendly, open-source deep-learning microscopy tool for quantitative comet assay
analysis, Computational and Structural Biotechnology Journal 20 (2022) 4122–4130.
[8] B. M. Gyori, G. Venkatachalam, P. Thiagarajan, D. Hsu, M.-V. Clement, Opencomet: An automated tool for
comet assay image analysis, Redox Biology 2 (2014) 457–465.
[9] D. Rakov, Advantages and disadvantages of morphological methods in engineering, MATEC Web of Conferences
329 (2020) 03028.
[10] J. Tou, R. Gonzalez, Pattern Recognition Principles, Addison-Wesley Publishing Company, 1974.
[11] G. Gan, C. Ma, J. Wu, Data Clustering: Theory, Algorithms and Applications, SIAM, 2007.
[12] J. Liu, D. Cai, X. He, Gaussian mixture model with local consistency, Proceedings of the AAAI Conference on
Artificial Intelligence 24 (2010) 512–517.
[13] J. Marroquin, R. Rodriguez-Vera, M. Servin, Local phase from local orientation by solution of a sequence of
linear systems, Optical Society of America A 15 (1998) 1536–1544.
[14] L. R. Dice, Measures of the amount of ecologic association between species, Ecology 26 (1945) 297–302.
[15] T. Sorensen, A Method of Establishing Groups of Equal Amplitude in Plant Sociology Based on Similarity
of Species Content and Its Application to Analyses of the Vegetation on Danish Commons, Munksgaard in
Komm., 1948.
[16] B. Mirkin, Clustering for Data Mining. A Data Recovery Approach, Chapman & Hall/CRC, 2005.
[17] K. Sinaga, M. Yang, Unsupervised k-means clustering algorithm, IEEE Access 8 (2020) 80716–
Cubana de Investigaciones Biom´edicas. 35 (2016) 184–194.
[2] F. F. Fierro, Electroforesis de ADN, in: A. Cornejo Romero, A. Serrato D´ıaz, B. Rend´on Aguilar, M. G.
Rocha Munive (Eds.), Herramientas moleculares aplicadas en ecolog´ıa: aspectos te´oricos y pr´acticos, Secretar´ıa
de Medio Ambiente y Recursos Naturales, 2014, pp. 27–51.
[3] J. Luna-Gonz´alez, A. Martin-Gonzalez, C. Brito-Loeza, A. Espinosa-Romero, E. Pacheco-Pantoja, Introducci´on
a t´ecnicas de segmentaci´on de c´elulas del ensayo cometa, Ingenier´ıa Revista Acad´emica de la Facultad de
Ingenier´ıa Universidad Aut´onoma de Yucat´an 22 (2018) 26–37.
[4] T. Lee, S. Lee, W. Sim, et al., Hicomet: a high-throughput comet analysis tool for large-scale dna damage
assessment, BMC Bioinformatics 19 (2018) 44.
[5] Y. Hong, H. Han, H. Lee, J. Ko, et al., Deep learning method for comet segmentation and comet assay image
analysis, Scientific reports 10 (2020) 18915.
[6] S. Ganapathy, A. Muraleedharan, P. S. Sathidevi, P. Chand, R. P. Rajkumar, Cometq: An automated tool
for the detection and quantification of dna damage using comet assay image analysis, Computer Methods and
Programs in Biomedicine 133 (2016) 143–154.
[7] A. Beleon, S. Pignatta, C. Arienti, A. Carbonaro, P. Horvath, G. Martinelli, G. Castellani, A. Tesei, F. Picci-
nini, Cometanalyser: A user-friendly, open-source deep-learning microscopy tool for quantitative comet assay
analysis, Computational and Structural Biotechnology Journal 20 (2022) 4122–4130.
[8] B. M. Gyori, G. Venkatachalam, P. Thiagarajan, D. Hsu, M.-V. Clement, Opencomet: An automated tool for
comet assay image analysis, Redox Biology 2 (2014) 457–465.
[9] D. Rakov, Advantages and disadvantages of morphological methods in engineering, MATEC Web of Conferences
329 (2020) 03028.
[10] J. Tou, R. Gonzalez, Pattern Recognition Principles, Addison-Wesley Publishing Company, 1974.
[11] G. Gan, C. Ma, J. Wu, Data Clustering: Theory, Algorithms and Applications, SIAM, 2007.
[12] J. Liu, D. Cai, X. He, Gaussian mixture model with local consistency, Proceedings of the AAAI Conference on
Artificial Intelligence 24 (2010) 512–517.
[13] J. Marroquin, R. Rodriguez-Vera, M. Servin, Local phase from local orientation by solution of a sequence of
linear systems, Optical Society of America A 15 (1998) 1536–1544.
[14] L. R. Dice, Measures of the amount of ecologic association between species, Ecology 26 (1945) 297–302.
[15] T. Sorensen, A Method of Establishing Groups of Equal Amplitude in Plant Sociology Based on Similarity
of Species Content and Its Application to Analyses of the Vegetation on Danish Commons, Munksgaard in
Komm., 1948.
[16] B. Mirkin, Clustering for Data Mining. A Data Recovery Approach, Chapman & Hall/CRC, 2005.
[17] K. Sinaga, M. Yang, Unsupervised k-means clustering algorithm, IEEE Access 8 (2020) 80716–
Publicado
2026-04-30
Sección
Artículos de Investigación
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial 4.0.
Avisos de derechos de autor propuestos por Creative Commons
1. Política propuesta para revistas que ofrecen acceso abierto
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:
- Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia de reconocimiento de Creative Commons que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista.
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).
