Onderzoekers van de Universiteit van Edinburgh hebben GelGenie onthuld, een open-source AI-tool die is ontworpen om de snelheid en nauwkeurigheid van data-analyse van gelelektroforese aanzienlijk te verbeteren [2, 7]. Gelelektroforese is een veelgebruikte techniek in de biologische wetenschappen voor het analyseren van biomoleculen, maar handmatige analyse van de resulterende gelbeelden kan tijdrovend zijn en vatbaar voor vertekening [3, 9].
GelGenie automatiseert de identificatie en kwantificering van banden in gelbeelden, waardoor subjectieve interpretaties worden geëlimineerd [2, 4]. Het AI-model is getraind met behulp van meer dan 500 handmatig gelabelde gelbeelden en kan nauwkeurig banden identificeren, ongeacht de beeldkwaliteit of achtergrondruis [2, 3, 9]. Het team, waaronder onderzoekers van Harvard University en het Dana-Farber Cancer Institute, bracht de tool in september 2024 uit, samen met de dataset en modelgewichten, om verdere ontwikkeling en samenwerking te stimuleren [7, 8].
Deze innovatie belooft onderzoeksworkflows te stroomlijnen, menselijke fouten te verminderen en ontdekkingen te versnellen in verschillende vakgebieden die afhankelijk zijn van gelelektroforese [5, 6, 14]. GelGenie brengt geavanceerde AI-mogelijkheden naar een fundamentele laboratoriumtechniek, wat een belangrijke stap voorwaarts betekent in de gegevensverwerking voor biologisch onderzoek [3, 7, 9].