子科生物報道：由香港城市大學（ CityU）共同領導的一個聯合研究小組開發了一種新的計算工具，它可以重建和可視化三維（3D）細胞形狀以及細胞的時間變化，將幾百小時的手工加速節省至數小時。這一工具*改變了生物學家分析圖像數據的方式，它可以促進發育和細胞生物學的進一步研究，例如癌細胞的生長。

跨學科研究由計算機工程系的Yan Hong教授、電氣工程系Wong Chung Hong教授以及香港浸會大學（HKU）和北京大學的生物學家共同領導。他們的研究結果以“Establishment of a morphological atlas of the Caenorhabditis elegans embryo using deep-learning-based 4D segmentation”為題發表在《Nature Communications》上。

這個團隊開發的工具叫做“CShaper”這是一個強大的計算工具，可以在單細胞水平上系統地分割和分析細胞圖像，“這是研究細胞分裂、細胞和基因功能所急需的，”Yan教授說。

分析海量細胞分裂數據的瓶頸

生物學家一直在研究動物是如何從一個單一的細胞，一個受精卵，通過無數的細胞分裂，成長為器官和整個身體。特別是，他們想知道基因的功能，比如參與細胞分裂形成不同器官的特定基因，或者是什么導致細胞分裂異常導致腫瘤生長。

找到答案的一種方法是使用基因敲除技術。在所有基因都存在的情況下，研究人員首先獲得細胞圖像和譜系樹。然后他們從DNA序列中“剔除”一個基因，比較兩個譜系樹，分析細胞的變化，推斷基因功能。然后他們在其他基因被敲除的情況下重復實驗。

在這項研究中，合作的生物學家團隊利用秀麗隱桿線蟲（C.elegans）胚胎產生了數兆字節的數據，供Yan教授的團隊進行計算分析。線蟲是一種與人類具有許多基本生物學特性的蠕蟲，為研究人類腫瘤的生長過程提供了有價值的模型。

“估計線蟲中有20000個基因，這意味著如果一次敲除一個基因，將需要近20000個實驗，必然產生大量數據。因此，有必要使用一個自動化的圖像分析系統。這也促使我們開發出一種更高效的方案。”

細胞突破圖像的自動分割

細胞圖像通常是通過激光掃描獲得的。現有的圖像分析系統只能很好地檢測細胞核，細胞膜圖像質量較差，阻礙了細胞形態的重建。同時，對于細胞分裂的時間推移的3D圖像（即4D圖像）的分割還缺乏可靠的算法。圖像分割是計算機視覺中的一個關鍵過程，它涉及到將視覺輸入分割成若干段以簡化圖像分析。但研究人員不得不花費數百小時手動標記許多細胞圖像。

CShaper的突破在于它可以檢測細胞膜，在3D中構建細胞形狀，更重要的是，它可以在細胞水平上自動分割細胞圖像。“使用CShaper，生物學家可以在幾個小時內破譯這些圖像的內容。它可以描述細胞的形狀和表面結構，并提供細胞在不同時間點的三維視圖，”第 1作者之一、Yan教授實驗室的博士生Cao Jianfeng說。

為了實現這一目標，該團隊開發的基于深度學習的模型DMapNet在CShaper系統中發揮了關鍵作用。“通過學習捕捉圖像像素之間的多個離散距離，DMapNet在提取膜輪廓的同時考慮形狀信息，而不僅僅是強度特征。因此，CShaper實現了95.95%的細胞識別準確率，大大優于其他方法，”他解釋說。

利用CShaper，研究小組為秀麗隱桿線蟲胚胎從4到350個細胞階段的細胞形態生成了一個延時3D圖譜，包括細胞形狀、體積、表面積、遷移、細胞核位置和細胞與細胞接觸的確認細胞特征。

腫瘤生長研究進展

Cao Jianfeng說：“就我們所知，CShaper是第 1個在單細胞水平上系統地分割和分析線蟲胚胎圖像的計算機系統。通過與生物學家的密切合作，我們自豪地開發了一個有用的計算機工具，用于自動分析大量的細胞圖像數據。我們相信它可以促進發育和細胞生物學的進一步研究，特別是在理解癌細胞的起源和生長方面，”Yan教授補充說。

他們還在植物組織細胞上測試了CShaper，而且結果不錯。他們相信這個計算機工具可以用于其他生物學研究。