影像流细胞测量数据的形状分析分析揭示了受感染的Gephyrocapsa huxleyi文化中的异质性

科学领域:

• 海洋微生物学 海洋微生物学
• 植物浮游生物生态学
• 病毒病原发生的病毒病原体.

背景情况:

• 植物浮游生物,如Gephyrocapsa huxleyi (G. huxleyi),对海洋生态系统至关重要.
• 病毒感染,特别是Gephyrocapsa huxleyi病毒 (GhV),对G. huxleyi种群构成重大威胁.
• 缺乏感染细胞的定量形态数据,这阻碍了对感染周期的充分理解.

研究的目的:

• 开发一种机器学习 (ML) 管道,用于由 GhV 感染的 G. huxleyi 的形态分析.
• 通过创建独立于mRNA染色的分类模型来简化感染监测.
• 探索细胞死亡机制,并识别受感染文化的健康细胞亚群.

主要方法:

• 使用空间分辨的单分子mRNA光 in situ杂交 (smFISH) 和成像流细胞计 (IFC).
• 实施机器学习分类模型,用于在没有mRNA染色的情况下监测感染.
• 开发一个探索性数据分析管道用于细胞死亡模式解.

主要成果:

• 成功开发了一种机器学习管道,将形态分析与smFISH-IFC数据集成在一起.
• 为了有效监测G. huxleyi感染,建立了一个分类模型,减少对mRNA染色的依赖.
• 在受感染的G. huxleyi种群中发现了细胞死亡的不同模式和健康细胞的亚种群.

结论:

• 对smFISH-IFC数据的形态分析对于研究植物浮游生物中的微生物相互作用是有效的.
• 拟议的ML管道为分析G. huxleyi.yi.病毒感染动态和细胞命运提供了一种新的方法.
• 这项研究为进一步调查植物浮游植物病毒相互作用及其生态影响提供了基础.