基于深度学习的光标签的增强,用于在胚胎发生过程中准确地追踪细胞谱系

科学领域:

• 发展生物学 发展生物学
• 遗传学 是一个遗传学.
• 生物信息学是一种生物信息学.

背景情况:

• 自动细胞谱系追踪对于理解动物发育至关重要,包括Caenorhabditis elegans胚胎生成.
• 晚期胚胎的挑战包括密集的细胞分布,低信号噪声比 (SNR) 和不平衡的强度,导致自动追踪的高错误率.
• 现有的图像增强方法对于这些复杂的成像条件是不够的,需要新的方法来减少手动校正负担.

研究的目的:

• 开发一种先进的方法来提高C. elegans胚胎的自动化细胞系追踪精度,特别是在后期的发育阶段.
• 在拥挤的晚期胚胎中增强光图像的信号噪声比 (SNR) 和强度均性.
• 为了减少在自动化细胞谱系追踪中纠正错误所需的大量手工工作.

主要方法:

• 开发一种新的方法,DELICATE,旨在改善细胞谱系追踪的图像质量.
• 实施图像处理技术,以增加本地SNR并将细胞间的光强度正常化.
• 与StarryNite等现有工具的集成,以评估细分错误的减少.

主要成果:

• DELICATE显著提高了自动细胞系追踪在C. elegans胚胎超过350细胞阶段的准确性.
• 该方法有效地增加了局部SNR,并改善了核光强度的均性,特别是在晚期胚胎中.
• 精致大大减少了StarryNite产生的细分错误,并减少了手动跟踪纠正所需的时间,直到550个细胞阶段.

结论:

• 在具有挑战性的C. elegans胚胎样本中,DELICATE提供了一种强大的解决方案,用于改进自动化细胞系追踪.
• 该方法可在较少的手动干预下促进大规模生成精确的细胞系.
• DELICATE提供了一个用户友好的软件界面,使得先进的细胞谱系追踪更容易获得发育生物学研究.