EmbSAM：発生初期胚の高速画像のための細胞境界局在化とセグメンテーション・エニシング・モデル
Guoye Guan1,2, Cunmin Zhao3, Zelin Li4,5
1Department of Systems Biology, Harvard Medical School, Boston, USA. guanguoye@gmail.com.
Communications biology
|December 24, 2025
まとめ
深層学習を用いた計算フレームワークであるEmbSAMを開発し、低品質ライブイメージングデータから細胞形状を正確に再構築しました。これにより、初期胚発生中の細胞動態の詳細な解析が可能になります。
科学分野:
- 発生生物学
- 細胞生物学
- 計算イメージング
背景:
- 細胞形状ダイナミクスは発生にとって重要ですが、ライブセル顕微鏡における信号対雑音比の低さから画像化が困難です。
- 光毒性と光退色は、細胞膜の高解像度・長期間イメージングを制限し、正確な形状再構築を妨げます。
主な方法:
- 深層学習ベースの細胞境界局在化アルゴリズムとセグメンテーション・エニシング・モデルの統合。
- 高時間分解能（10秒/スタック）でのカイコウガ胚の3Dライブセルイメージングへの適用。
結論:
- EmbSAMは、困難なイメージング条件下での細胞形状ダイナミクスの解析に堅牢な方法を提供します。
- このフレームワークは、胚発生中の形態形成プロセスと細胞運命決定の詳細な調査を容易にします。
さらに関連する動画
08:33Author Spotlight: Strategies for Mounting Zebrafish Embryos for High-Resolution Multiview Light-Sheet Microscopy — Techniques for Imaging and Image Reconstruction
Published on: July 19, 2024
1.3K
09:56Mapping the Emergent Spatial Organization of Mammalian Cells using Micropatterns and Quantitative Imaging
Published on: April 30, 2019
6.9K