Умное ПО решает головоломку из растительных клеток

Исследователи из EMBL совместно с консорциумом FOR2581 разработали инструмент PlantSeg для анализа развития растительных тканей на клеточном уровне. Метод, описанный в журнале eLife, представляет собой наиболее точный и универсальный на сегодня подход к изучению морфогенеза.

Задача: сегментация клеток как сложный пазл

• Молекулярным биологам необходимо "разделять" (сегментировать) тысячи изменяющихся клеток на 3D-изображениях, чтобы изучать морфогенез.
• Клетки растений могут быть как правильными (прямоугольники, цилиндры), так и сложной формы с выростами ("высокая дольчатость"), что затрудняет автоматическую сегментацию.

Решение: алгоритм на основе машинного обучения

• Инструмент PlantSeg, созданный группой Анны Крешук, использует глубокое обучение для разделения клеток на 3D-микроскопических изображениях.
• Алгоритм был обучен на снимках репродуктивных органов и развивающихся боковых корней модельного растения Arabidopsis thaliana (резуховидка Таля).
• PlantSeg учитывает естественные вариации размера и формы клеток в ткани.

Результаты и применение

• Алгоритм создаёт красочные 3D-визуализации, где каждая клетка окрашена в свой цвет, что облегчает анализ.
• PlantSeg позволяет проводить различные виды анализа формы клеток: изучать изменения в процессе развития, под воздействием среды или сравнивать виды.
• В статье приведены примеры: анализ развития семяпочек, изучение первого асимметричного деления клетки при формировании бокового корня, сравнение формы клеток листьев у разных видов растений.

Перспективы и адаптация

• Хотя PlantSeg оптимизирован для растений, его базовый метод применим к любой ткани с окрашиванием клеточных границ (например, клеточных стенок у растений или мембран у животных).
• Для работы с животными тканями алгоритм потребует дополнительного обучения, но принципиально пригоден.
• В будущем PlantSeg будет интегрирован в другой инструмент лаборатории — рабочий процесс ilastik Multicut.