一个基于深度学习的工具包,用于在细胞和组织环境中对3D核进行细分和定量分析

科学领域:

• * 生物学 * 生物学
• * 计算生物学 * 计算生物学
• * 显微镜的使用

背景情况:

• *精确的核的3D细分对于理解复杂生物组织中的细胞结构和功能至关重要.
• *现有的计算工具往往需要广泛的定制或缺乏适用于各种样本类型和成像条件的适用性.
• *对3D数字器官的高级分析需要强大的核细分和与细胞环境集成的强大方法.

研究的目的:

• * 开发和验证用于各种生物样本中精确的3D核细分的多功能计算框架.
• * 创建高质量的,可重复使用的模型和数据集,用于培训和应用3D核细分算法.
• * 增强3D图像分析软件,以改善数字器官中的细胞和核细分和分析.

主要方法:

• * 开发了3D核细分模型的地面真相生成方法和代训练策略.
• *使用定制训练模型应用和微调流行的算法 (CellPose,PlantSeg,StarDist).
• * 在MorphoGraphX中整合了3D细分核与周围细胞,并通过校对工具扩展了PlantSeg.

主要成果:

• * 提供了两种高质量的3D核细分模型,适用于具有多种染色的固定/活植物和动物组织.
• *共享了大约1万个核的综合训练数据集.
• * 证明细胞核与细胞体积比因卵子组织和发育阶段而异.
• * 增强的MorphoGraphX用于将细胞核与细胞结合起来,并改进了PlantSeg,使用了核种子细胞细分校正工具.

结论:

• *开发的计算工具和模型显著提高了3D核细分在各种生物环境中的准确性和适用性.
• *共享的数据集和增强的软件可在3D数字器官中对细胞和核形态进行先进的定量分析.
• * 这项工作为研究组织发育,细胞动力学和植物和动物的核组织的研究人员提供了宝贵的资源.