使用无标签4D显微镜进行自动细胞系重建.

科学领域:

• 发育生物学是发展生物学.
• 计算生物学是一种计算生物学.
• 生物成像是一种生物成像.

背景情况:

• 血统追踪对于理解甲动物胚胎发育至关重要,特别是在像C. elegans.这样的不变生物中.
• 目前的方法依赖于光显微镜和手动追踪,限制了吞吐量,需要转基因方法.
• 在无标签3D成像中自动检测和跟踪细胞仍然是一个重大挑战.

研究的目的:

• 开发一个深度学习管道用于自动细胞检测和跟踪在无标签的3D时隔成像.
• 为了克服手工注释和光基方法在血统追踪方面的局限性.
• 为了使高通量发育研究没有基因改造.

主要方法:

• 开发了embGAN,这是一个用于无标签3D细胞检测和跟踪的深度学习管道.
• 在没有手动数据注释的情况下训练有素的embGAN,确保跨实验室和仪器的尺度不变性和泛化.
• 在C. elegans胚胎中使用细胞谱系追踪进行基准性能测试.

主要成果:

• 在密集的胚胎组织中,embGAN实现了强大的细胞检测和跟踪.
• 该管道显示了高尺度的不变性,并对各种成像条件进行了很好的概括.
• 在细胞检测和追踪C. elegans胚胎方面实现了近乎最先进的性能.

结论:

• embGAN提供了一个自动化解决方案,用于在无标签的3D成像中追踪细胞谱系.
• 这种方法促进了高通量发育研究,减少了对光记者和转基因的依赖.
• 该工具通过有效分析复杂的胚胎过程,推动了计算发育生物学领域的发展.