一种分析细胞分裂四维图像数据的强大有效计算工具

由香港城市大学(CityU)共同领导的一个联合研究小组开发了一种新的计算工具，可以重建和可视化细胞的三维(3D)形状和时间变化，从而加快分析过程，从手工几百个小时到计算机几个小时。这一工具彻底改变了生物学家分析图像数据的方式，可以推动在发展和细胞生物学方面的进一步研究。

不同时间点细胞核(绿点和白点)和膜(红线)图像的三维投影

这个跨学科研究由城市大学电子工程系电脑工程教授阎红教授、黄钟洪（音译）数据工程学教授及北京大学生物学家共同领导。他们的发现已发表在科学杂志《自然通讯》上，题为“利用基于深度学习的四维空间分割建立线虫胚胎形态学图谱”。

这个团队开发的工具叫做“CShaper”。“这是一种强大的力量计算工具这可以在单细胞水平上系统地分割和分析细胞图像，这对于研究细胞分裂、细胞和基因功能是非常必要的。“严教授说。

海量细胞分裂数据分析的瓶颈

生物学家一直在研究动物如何通过无数的细胞分裂，从单个细胞，受精卵成长为器官和整个身体。特别是，他们想知道基因的功能，如特定的基因参与细胞分裂形成不同的器官，或什么原因导致异常的细胞分裂导致肿瘤生长。

线虫胚胎细胞单细胞分裂的形态动力学研究。

找到答案的方法之一就是使用基因敲除技术。在所有基因都存在的情况下，研究人员首先获得细胞图像和谱系树。然后他们从 DNA 序列中“敲掉”(删除)一个基因，并比较这两种谱系树来分析细胞推断基因功能。然后，他们对被敲除的其他基因重复实验。

在这项研究中，合作的生物学家团队利用线虫的胚胎来产生兆字节的数据，让严教授的团队进行计算分析。线虫是一种与人类有许多基本生物学特性的蠕虫，为研究人类肿瘤的生长过程提供了一个有价值的模型。

他说：“据估计，线虫中有2万种基因，这意味着，如果一次敲除一个基因，就需要近2万个实验。而且会有大量的数据。因此，必须使用一个自动图像分析系统。这促使我们开发出一个更高效的系统，”他说。

细胞图像自动分割的突破

细胞图像通常是通过激光束扫描得到的。现有的图像分析系统只能在细胞膜图像质量较差的情况下很好地检测细胞核，阻碍了细胞形态的重建。此外，对于细胞分裂过程中时间过期的三维图像(即4-D图像)的分割，缺乏可靠的算法。图像分割是计算机视觉中的一个关键过程，它涉及到将视觉输入分割成分段，以简化图像分析。但是研究人员不得不花费数百个小时手工标记许多细胞图像。

CShaper的框架。使用基于深度学习的DMapNet，可以生成具有定义的单元标识的开发过程中的时间间隔3D单元形状

CShaper 的突破在于它能够检测细胞膜，在三维中建立细胞形状，更重要的是能够在细胞水平上自动分割细胞图像。“使用 CShaper，生物学家可以在几个小时内破译这些图像的内容。它可以描述细胞的形状和表面结构，并在不同的时间点提供细胞的三维视图，”严教授团队的博士生曹建峰(音译)说，他也是论文的第一作者。

为了实现这一目标，团队开发的基于深度学习的 DMapNet 模型在 CShaper 系统中发挥了关键作用。他解释说：“通过学习捕捉图像像素之间的多个离散距离，DMapNet 在考虑形状信息的同时提取膜轮廓，而不仅仅是强度特征。因此，CShaper 识别细胞的准确率达到95.95%，远远优于其他方法。”

利用 CShaper，研究小组制作了4~350细胞期线虫胚胎细胞形态的时差三维地形图，包括细胞形态、体积、表面积、迁移、细胞核位置和细胞与已证实的细胞身份的接触。

进一步的研究进展

曹先生说：“据我们所知，CShaper 是第一个在单细胞水平上系统分割和分析线虫胚胎图像的计算系统。”通过与生物学家的密切合作，我们自豪地开发了一种有用的计算机工具，用于对大量细胞进行自动分析其图像数据。我们相信它可以促进进一步的发展和研究。细胞生物学尤其是在了解癌细胞的起源和生长方面，“严教授补充说。

他们还在植物组织细胞上测试了CShaper，显示出了很好的结果。他们认为计算机工具可以应用于其他生物学研究。

更多资料：Jianfeng Cao et al, Establishment of a morphological atlas of the Caenorhabditis elegans embryo using deep-learning-based 4D segmentation, Nature Communications (2020). DOI: 10.1038/s41467-020-19863-x