计算机视觉辅助数据分析用于相对电子显微镜和二次离子质谱成像成像

科学领域:

• 生物成像是一种生物成像.
• 细胞生物学 细胞生物学
• 计算机视觉 计算机视觉

背景情况:

• 相对成像结合了来自不同模式的互补数据,以进行全面的样本分析.
• 传输电子显微镜 (EM) 和纳米级二次离子质谱 (NanoSIMS) 提供高分辨率的形态和化学洞察力.
• 对大型EM和NanoSIMS数据集的手动分析是缓慢的,有偏见的,并且限制了吞吐量.

研究的目的:

• 开发一种自动化图像分析管道,用于在EM图像中细分亚细胞器官.
• 为了使EM数据与NanoSIMS离子地图的快速和可重现的相关性.
• 为了促进研究细胞下过程,如蛋白质周转,使用相关成像.

主要方法:

• 使用YOLOv8深度学习开发了计算机视觉管道,用于EM图像中的器官细胞分类和细分.
• 包括EM图像预处理,细分,形态过,以及用NanoSIMS数据进行注册.
• 在人类神经元前代细胞 (hNPC) 上训练模型,并使分化的神经元识别六种器官类型.

主要成果:

• 自动化管道在有机细胞细分和与NanoSIMS数据的相关性方面取得了强大的准确性.
• 成功测量了N-氨酸的丰度,以研究单个细胞器中的蛋白质循环.
• 观察到明显的有机细胞蛋白循环动态,与hNPCs相比,在分化神经元中循环速度较慢.
• 显著减少了分析时间从几个小时到几分钟,同时保持与手动细分的一致性.

结论:

• 计算机视觉简化了相关成像工作流程,提高了数据质量和吞吐量.
• 自动化管道提供了对细胞下蛋白质周转和细胞过程的更深入的见解.
• 这种方法对纳米级二次离子质谱 (NanoSIMS) 用户和更广泛的生物成像应用非常有价值.