在活细胞成像数据中用于细胞分裂检测和跟踪的对比学习
Daniel Zyss1,2,3, Amritansh Sharma4, Susana A Ribeiro4
1Center for Computational Biology (CBIO), Mines Paris, PSL University, Paris, France.
BMC bioinformatics
|December 27, 2025
概括
这项研究引入了一种使用对比学习和图形优化来准确追踪细胞和检测活细胞显微镜中的分裂的新方法,即使在低时间分辨率下也是如此. 这提高了用于生物研究和药物查的分析.
科学领域:
- 细胞动力学和活细胞成像
- 生物技术和生物成像技术
背景情况:
- 光活细胞显微镜对于研究细胞过程至关重要,但受到光毒性限制.
- 低时间分辨率影响了细胞跟踪和细胞分裂事件的检测,阻碍了动态过程研究.
研究的目的:
- 开发一种综合的方法来改进细胞分裂检测和跟踪在低时间分辨率显微镜.
- 为了增强细胞动态的分析,同时保持细胞活力.
主要方法:
- 利用对比式学习从基于时间的增强生成强大的细胞表示.
- 开发了一种用于细胞轨迹识别的图形优化方法,使用学习的表示和分裂事件.
主要成果:
- 在细胞分裂检测和跟踪精度方面取得了显著的性能提升.
- 在各种数据集上,在原生和减少时间分辨率上都表现出有效性.
结论:
- 该方法提高了适应不同时间分辨率的适应性,用于精确的活细胞显微镜数据分析.
- 通过保持细胞活力,支持药物查和生物研究的延长观察期.
- 有助于更深入地了解细胞机制和潜在的治疗研究进展.
