Segmentación de orgánulos de células enteras en microscopía electrónica de volumen

Área de la Ciencia:

• Biología celular
• La biofísica
• Biología computacional

Sus antecedentes:

• La comprensión de la organización celular requiere una reconstrucción 3D de alta resolución de los orgánulos.
• Los métodos automatizados escalables son cruciales para lograr reconstrucciones de células enteras.

Objetivo del estudio:

• Desarrollar y validar métodos automatizados de aprendizaje profundo para segmentar y reconstruir orgánulos celulares a partir de datos del FIB-SEM.
• Para crear un recurso de acceso abierto para la investigación de biología celular en 3D.

Principales métodos:

• Annotación de 35 clases de orgánulos en los conjuntos de datos FIB-SEM (resolución de 4 nm y 8 nm).
• Entrenamiento de modelos de aprendizaje profundo para la segmentación de estructuras celulares.
• Validación del rendimiento de la segmentación y aplicación en el análisis cuantitativo.

Principales resultados:

• Segmentación exitosa y reconstrucción 3D de diversos orgánulos de múltiples tipos de células.
• Demostración de la cuantificación automatizada de las interacciones espaciales de los orgánulos.
• Desarrollo del registro automático para la luz correlativa y la microscopía electrónica.

Conclusiones:

• Los métodos automatizados de reconstrucción 3D avanzan significativamente en el estudio de la arquitectura celular.
• El repositorio OpenOrganelle facilita el acceso global a datos, código y modelos para mejorar la reconstrucción celular.
• Este trabajo permite nuevos análisis cuantitativos de la organización celular y de las imágenes correlativas.