在高密度下跟踪细菌使用FAST,功能辅助细分器/跟踪器

科学领域:

• 微生物学 微生物学
• 生物膜研究的研究.
• 微生物社区动态 微生物社区动态

背景情况:

• 细菌通常形成表面附着的社区,称为生物膜.
• 了解生物膜中的单个细胞行为至关重要,但具有挑战性.
• 现有的微生物跟踪软件需要广泛的手动参数调整或深度学习模型培训.

研究的目的:

• 开发一种自动化和用户友好的软件,用于跟踪生物膜中的微生物细胞.
• 克服手动参数调整和现有跟踪方法的数据密集型培训的局限性.
• 为了使复杂社区中的微生物行为能够进行高通量分析.

主要方法:

• 开发了使用无监督机器学习和信息理论的功能辅助细分器/跟踪器 (FAST).
• 快速量化独特的信息从区分细胞特征,以尽量减少跟踪错误.
• 集成的细分,数据可视化,血统分配和手动轨道校正工具.

主要成果:

• 与只有位置的方法相比,FAST显著减少了跟踪错误 (4-10倍更少的错误).
• 无监督方法最大限度地减少了手动参数优化和定性评估的需要.
• 模块化设计允许自定义图像分析的可扩展性和集成性.

结论:

• FAST提供了一种强大,高效和易于使用的解决方案,用于分析微生物细胞在生物膜中的行为.
• 该软件可实现高通量,数据丰富的微生物社区研究,用户干预最小.
• 作为一个独立的应用程序或在Matlab中,FAST提供了全面的文档和教程.