VNC-Dist:基于机器学习的半自动管道,用于量化神经元在C的定位. 伊莱根斯 (elegans) 在腹部神经中

科学领域:

• 神经科学是一个神经科学.
• 发展生物学 发展生物学
• 计算生物学 计算生物学

背景情况:

• 在Caenorhabditis elegans腹部神经 (VNC) 作为研究神经元发育的模型系统.
• 正确组织VNC运动神经元 (DD,DA,DB类) 是至关重要的,并由基因控制.
• 量化神经元位置的现有方法是手动的,耗时的.

研究的目的:

• 开发一种自动化,准确和高效的计算工具,用于量化C. elegans VNC中的神经元细胞体位.
• 为了促进大规模的数据采集和分析,研究VNC神经组织.

主要方法:

• 开发VNC-Dist软件工具包,整合机器学习和计算机视觉.
• 利用斐济的多点工具进行手动的神经元定位.
• 采用基于深度学习的虫细分,使用修改后的任何细分模型 (SAM).
• 沿着VNC实现了基于神经元距离的支线测量.
• 包括统计分析和图表工具.

主要成果:

• VNC-Dist为手动测量提供了更快,更准确的替代方案.
• 该工具包成功量化了影响VNC组织的各种遗传突变中的神经元位置.
• 在不同基因型中表现出强度和多功能性.

结论:

• 通过VNC-Dist,可以对VNC神经元定位进行高通量分析.
• 这种工具将加速对管理VNC发展和组织的遗传和分子机制的研究.
• 方便批量获取和分析大型显微镜数据集.