新しい深層学習ベースのソフトウェアは、個々の細胞を高精度で検出および追跡します

細胞の成長と分裂は生命の最も基本的かつ不可欠な特徴の 2 つであり、細胞の変化を時間の経過とともに注意深く監視することで、科学者はこれらの生物学的プロセスの動態について重要な洞察を得ることができます。タイムラプス顕微鏡を使用すると、科学者は細胞を検出して追跡できますが、手動で分類するのがほぼ不可能な大量のデータが生成されます。

しかし現在では、最新の深層学習モデルの強力なデータ処理機能により、大量の画像データを分類する技術が提供されています。生体分子工学のアリ・シャリアティ助教授と博士課程の学生アボルファズル・ザラゲリは、シャリアティ研究室の数人の学生研究者とともに、「DeepSea」と呼ばれる新しい深層学習モデルを開発、リリースした。これは、細胞をセグメント化して追跡し、細胞の系統を追跡するための分裂を検出する機能を持つ唯一のツールの1つである。 DeepSea については、次の新しい論文で詳しく説明されています。セルレポートメソッド、この種のツールの中で最も精度が高いツールの 1 つです。

DeepSea のモデル トレーニング データセット、使いやすいソフトウェア、オープン ソース コードは、DeepSea ウェブサイトで使用可能シャリアティと彼の研究チームはすでにそれを使用して、ステムに関する新たな発見を行っています。そして分割。

「このモデルはより効率的で、パラメータが少なく、セグメンテーションと追跡の両方が使いやすいソフトウェアに統合されています」とシャリアティ氏は語った。 「このソフトウェアを使用すると、対象となるあらゆる種類の細胞のモデルをトレーニングでき、将来の発見への道が開かれます。」

タイムラプス顕微鏡法は、顕微鏡から時間をかけて一連の画像をキャプチャすることで、研究者がモニタリングできるようにします。微分などの現象を追跡する実験の過程で、特定の種類の細胞になるか、時間の経過とともに形状やサイズが変化します。これにより、科学者は細胞の生物学的現象の動態を単一細胞レベルで測定することにより、新たな生物学的発見を行うことが可能になります。

科学者が画像を収集したら、次の 2 つの主なタスクを実行する必要があります。1 つはセグメンテーション、つまり個々の細胞の境界を互いの境界や背景から識別することです。そして、あるフレームから次のフレームまでセルを追跡または追跡します。その時点から、研究者はサイズ、形状、質感、動き方や形状の変化などの特徴をさらに調査できます。

顕微鏡画像を手動で分類するのは面倒で時間がかかり、最終的にはコンピューターに適したタスクです。ここで DeepSea の出番です。この効率的な深層学習モデルは 1 秒未満でセグメンテーションを実行し、98% の精度で細胞を追跡できます。

ソフトウェアによる細胞分裂の検出の有効化は、このプロジェクトの特にユニークかつ困難な側面でした。人工知能とコンピューター ビジョンが 1 つの物体が 2 つに変化するのを追跡しなければならない状況は、他にほとんどないからです。

「これは物体追跡では非常に珍しい問題です」とシャリアティ氏は言う。 「車などを追跡したい場合は、車が動き回っているので、次のコマンドを使用できます。そしてコンピュータービジョンで彼らの動きを追跡します。しかし細胞の場合、突然 1 つの物体が 2 つになります。これは根本的に新しい問題であり、私たちは解決する必要がありましたが、私たちはそれを解決することができました。」

DeepSea は一般化可能なモデルであり、さまざまな種類の細胞を追跡するために使用できます。これは、高速と高精度の両方を達成するためにパラメータが大幅に削減された、人気のあるモデル 2D-UNET の修正バージョンを使用します。

「私たちのモデルをいくつかの最良の細胞セグメンテーションモデルと比較しましたが、現在、特にこれらの細胞タイプに関して、精度と速度の点で私たちのモデルが最高の結果を示しています」と、電気工学およびコンピュータ工学の博士号を取得したザラゲリ氏は述べた。ソフトウェアの作成を主導したシャリアティの研究室の学生。

研究者らは、背景から手動でセグメント化した細胞の画像のデータセットを使用して DeepSea をトレーニングしましたが、画像のコントラストが低く、細胞体を識別するのが難しいことが多いため、時間のかかるプロセスとなりました。このプロセスを支援するために、チームは細胞の顕微鏡画像のトリミング、ラベル付け、編集を支援する別のソフトウェア ツールを開発しました。このツールも次のサイトから入手できます。DeepSeas.org.

トレーニング データセットには肺、筋肉、幹細胞の画像が含まれており、DeepSea がさまざまな種類の細胞にわたって高い精度を達成していることを意味します。モデルの将来のバージョンには、さらに多くのセル タイプを追加できる可能性があります。

研究者らはDeepSeaを使用して、生物のサイズ制御を研究しました。、多細胞生命の基礎であり、他のあらゆる種類の細胞に分化することができます。彼らは、異常に速く分裂することが知られている胚性幹細胞が、より小さな細胞が次世代の細胞を生み出すまでの成長に長い時間を費やすようにそのサイズを調節しているという新たな発見をもたらした。

「胚性幹細胞が小さく生まれた場合、細胞は自分が小さいことをある程度知っているため、再び分裂する前に成長に多くの時間を費やすことがわかりました」とシャリアティ氏は述べた。 「これがなぜ、どのように正確に起こるのかはわかりませんが、少なくともその現象は存在します。」

研究者らは将来的に、既存のソフトウェアを適用してデータを収集し、細胞間の空間的関係や、細胞の特徴がどのように3Dパターンで組織されて構造を形成するかを研究する予定だ。

研究者らはまた、モデルのトレーニングに使用される細胞のラベル付き画像が不足しているなど、深層学習モデルを使用する際に気づいたボトルネックを解決することも目指しています。彼らは、敵対的生成ネットワーク (GAN) と呼ばれる機械学習フレームワークのクラスを使用して、ラベルの作成にかかる時間を削減するためにすでに注釈が付けられたセルの画像である新しい合成データを作成することを計画しています。そうすれば、研究者は人間の関与を最小限に抑えながら、対象となるあらゆる種類の細胞のデータセットの大規模なライブラリを取得できるようになります。

詳細情報:Abolfazl Zargari et al、DeepSea は、微速度撮影顕微鏡法における単一細胞のセグメンテーションと追跡のための効率的な深層学習モデルです。セルレポートメソッド(2023).DOI: 10.1016/j.crmeth.2023.100500