深度学习用于在表皮形态发生和修复过程中快速分析体内细胞分裂

科学领域:

• 发育生物学 发展生物学
• 细胞生物学 细胞生物学
• 生物物理学的生物物理.

背景情况:

• 细胞分裂对于组织生长,修复和癌症至关重要,但分析集体分裂动态具有挑战性.
• 量化许多细胞分裂的时空同步性和方向需要先进的方法.
• 使用深度学习的自动化分析为研究复杂的细胞分裂行为 in vivo 提供了解决方案.

研究的目的:

• 开发和验证深度学习管道,用于在上皮组织中自动检测和量化细胞分裂事件.
• 分析Drosophila幼翅膀发育和伤口修复期间细胞分裂的方向,形状变化和时空动态.

主要方法:

• 创建了一个深度学习模型的管道,以识别Drosophila幼翅膀表皮的时间缩短电影中的分裂细胞.
• 这些模型准确地确定了分裂方向的轴和分裂前后细胞形状的变化.
• 该管道用于分析正常发育和激光诱导的伤口修复期间的细胞分裂动态.

主要成果:

• 这项研究表明,细胞分裂轴在Drosophila幼翅膀的组织张力线上有偏差.
• 伤口诱导细胞分裂的同步爆发,起源于伤口的前缘.
• 诱导的划分虽然是同步的,但并没有沿着特定的轴向.

结论:

• 深度学习为复杂生物系统中细胞分裂动态的自动化,定量分析提供了强大的工具.
• 组织张力和机械线索在发育过程中显著影响细胞分裂方向.
• 伤口愈合涉及协调的细胞分裂反应,突出了机械应激和细胞增殖之间的相互作用.