软X射线断层扫描的自动化细分:在酵母中进行全细胞定量成像时具有微米分辨率的原生细胞结构
Jianhua Chen1,2,3, Mary Mirvis4, Axel Ekman1,3
1National Center for X-ray Tomography, Lawrence Berkeley National Laboratory, Berkeley, CA, USA.
Molecular biology of the cell
|August 28, 2025
概括
深度学习自分段增强软X射线断层扫描 (SXT) 进行高通量细胞分析. 这种方法精确地量化了Saccharomyces cerevisiae菌株的3D细胞和器官形态.
科学领域:
- 细胞生物学
- 生物物理
- 显微镜和成像
背景情况:
- 软X射线断层扫描 (SXT) 提供高分辨率的3D细胞结构分析.
- 手动细分限制了SXT对大型生物数据集的可扩展性.
- 自动细分对于高通量细胞表型化至关重要.
研究的目的:
- 开发和验证基于深度学习的SXT数据自动细分管道.
- 为了实现Saccharomyces cerevisiae的高吞吐量3D形态分析.
- 在不同的酵母菌株中比较细胞和器官形态.
主要方法:
- 为SXT数据开发了一个深度学习自动细分管道.
- 手动代改进提高了关键细胞结构的细分精度.
- 使用表面网格对3D全细胞形态特征进行了定量分析.
- 对野生型,VPH1- GFP和 vac14 Saccharomyces cerevisiae 菌株进行了比较分析.
主要成果:
- 这条管道成功分离并标记了数百个酵母细胞.
- 发现了细胞和器官大小和形状的特定变异.
- 实现了精确的3D曲线分析和细形状特征的检测.
- 在单细胞和群体水平上发现了微妙的形态差异.
结论:
- 基于深度学习的自动细分显著提高了SXT的可扩展性和吞吐量.
- 这种工作流可以对细胞解剖进行精确,高统计性比较分析.
- 这种方法对研究器官生物学,细胞结构和遗传研究有价值.
