查看: 356|回復: 4

最新报道徐涛课题组和胡俊杰课题组合作发展了基于深度学习的细胞器互作高通量分析系统

[複製鏈接]

lixiang007700

5229 主題	1 好友	1萬積分

教授

Rank: 8 Rank: 8

TA的每日心情

	衰 2024-4-17 22:16

簽到天數: 247 天

[LV.8]以壇為家I

推廣值: 0
貢獻值: 1
金錢: 7461
威望: 15989
主題: 5229

發消息

電梯直達

樓主

發表於 2022-8-15 23:06:04 |只看該作者 |倒序瀏覽

2022年8月5日，中国科学院生物物理研究所徐涛课题组，胡俊杰课题组与计算技术研究所肖立团队在《Journal of Cell Biology》杂志上合作发表了题为“DeepContact: High throughput quantification of membrane contact site based on electron microscopy imaging”的方法学（Tools）文章，针对二维电镜数据开发了一种基于深度学习的细胞器互作高通量统计分析方法，DeepContact。

近十几年来，细胞器互作位点（membrane contact site, MCS）得到了生物学领域的广泛关注。MCS是膜性细胞器之间形成的由蛋白复合体介导的动态物理相互作用，在信号转导，脂类运输，细胞器形态重构等方面起到关键作用。然而，因缺乏高效的MCS统计量化工具，细胞器互作领域的发展受到严重限制。MCS荧光显微成像因过表达荧光指示系统而引发不可避免的人为干扰因素。电子显微镜可获取高分辨率细胞器全景图像，适于挖掘纳米尺度多种细胞器相互作用的定量信息。基于深度学习的高分辨三维体电镜数据细胞器互作分析方法已然建立起来，但此类前沿方法对设备，机时，算力要求高，而生物样本多具有高异质性，三维体电镜难于满足统计相关性分析的样本量需求。基于手动分割的大样本量二维电镜数据分析可以得出生物学功能相关性结论，但方法在耗费巨大人力的同时无法排除人为主观判断的影响。

DeepContact通过语义分割算法预测二维电镜图片中的不规则ER网络的整体特征，运用实例分割算法预测形状规则细胞器形态特征，可分割量化细胞器形态参数，并通过提取细胞器边缘信息进一步量化特定细胞器间距上的MCS比率信息。可进行无标记辅助的准确、灵活、直观、全面的可视化和统计量化结果输出，并可通过主动学习方法将新细胞器形态高效的扩展到细胞器预测模型中。

DeepContact可满足细胞器互作与生物医学功能相关性分析的需求。具备高通量样本分析能力以及组织内特异细胞类型分析能力，可扩展应用于细胞器互作网络的相关性研究、以及医学超微病理学研究。

中国科学院生物物理研究所徐涛院士、胡俊杰研究员，计算技术研究所肖立副研究员为本共同通讯作者。徐涛院士课题组博士后刘丽清，肖立团队硕士研究生杨树鑫为文共同第一作者。计算技术研究所硕士研究生刘阳和生物物理研究所生物成像中心李喜霞高级工程师参与了本项工作。电镜制样和数据收集工作得到了生物物理所生物成像中心相关工作人员的大力支持和帮助。本项目得到国家自然科学基金委员会项目，科技部重点研发计划和中国科学院战略重点研究计划支持。