细胞pose作为一种可靠的方法,用于单细胞细分自光显微镜图像的单细胞细分

科学领域:

• 生物光子学和成像技术
• 计算生物学 计算生物学
• 细胞的新陈代谢

背景情况:

• 自流光显微镜提供无标签的细胞对比度,但其信号噪声比率 (SNR) 较低.
• 现有的细胞细分工具,针对高SNR图像进行优化,在自光数据上表现不佳.
• 新的细分方法对于分析自光显微镜图像至关重要.

研究的目的:

• 为了验证Cellpose深度学习网络在自光显微镜图像中对单细胞进行细分.
• 评估Cellpose在NAD的多光子强度图像上的性能.
• 为了比较Cellpose衍生细分与NAD,P) H和FAD光寿命成像显微镜 (FLIM) 数据的手动细分.

主要方法:

• 经过训练的Cellpose模型使用从NAD的自光图像中手动分割的核面具.
• 应用训练有素的Cellpose模型来细分PANC-1细胞和患者衍生的癌症器官.
• 通过Cellpose的细分面罩和使用Dice分数和对光学氧化还原比 (ORR) 和FLIM参数的相关性分析进行手动方法的比较.

主要成果:

• 细胞pose的可复制性明显高于手动细分 (子分数,p<0.0001).
• 在Cellpose和手动口罩之间观察到ORR,NAD(P) H寿命和FAD寿命的高相关性 (R2>0.9).
• 细胞位和手动细分在不同治疗条件下产生了可比的ORR和FLIM参数的平均值,差异和效果大小.

结论:

• Cellpose提供了一种快速,可靠和可复制的方法,用于在自光显微镜中对单细胞进行细分.
• 经过验证的Cellpose模型准确地捕捉了2D和3D培养中的功能细胞变化.
• 细胞pose提高了吞吐量,并减少了基于自光的细胞分析中的偏差.