在顯微鏡圖像中識別和勾畫(huà)細胞結構對于理解生命的復雜過(guò)程至關(guān)重要。這一任務(wù)被稱(chēng)為“分割”，它使得一系列應用成為可能，例如分析細胞對藥物處理的反應或比較不同基因型的細胞結構。雖然之前可以自動(dòng)進(jìn)行生物結構的分割，但專(zhuān)門(mén)的方法僅在特定條件下有效，而將其調整到新條件的成本較高。

目前，《Nature Methods》發(fā)布了由哥廷根大學(xué)領(lǐng)導的國際研究團隊開(kāi)發(fā)的一種新方法，通過(guò)在超過(guò)17,000張顯微鏡圖像上重新訓練現有的AI軟件“Segment Anything”，并對超過(guò)200萬(wàn)個(gè)手動(dòng)標注的結構進(jìn)行訓練。他們的新模型被稱(chēng)為“顯微鏡用Segment Anything”，能在各種環(huán)境中精確分割組織、細胞及類(lèi)似結構的圖像。為了使其可供研究人員使用，他們還創(chuàng )建了一個(gè)用戶(hù)友好的軟件μSAM，用于在顯微鏡圖像中“分割任何東西”。

圖片鏈接：https://www.eurekalert.org/multimedia/1062062

圖片信息：圖像顯示了使用熒光顯微鏡采集的植物細胞，這些細胞用模型自動(dòng)分割?；A數據是三維的，圖像顯示了分割單元格的渲染，每個(gè)單元格由不同的顏色表示。

為了將現有軟件適應顯微鏡應用，研究團隊首先在一大批開(kāi)源數據集上對其進(jìn)行了評估，顯示該模型在顯微鏡分割中的潛力。為提高質(zhì)量，團隊對一個(gè)大型顯微鏡數據集進(jìn)行了重新訓練。這顯著(zhù)提升了模型在細胞、細胞核和細胞中稱(chēng)為細胞器的小結構的分割性能。隨后，團隊開(kāi)發(fā)了μSAM軟件，使研究人員能夠分析圖像，而無(wú)需手動(dòng)勾畫(huà)結構或訓練特定的AI模型。該軟件已在國際上得到廣泛應用，例如在耳部神經(jīng)細胞分析項目中研究聽(tīng)力恢復，分割人工腫瘤細胞以進(jìn)行相關(guān)研究，或分析火山巖的電子顯微鏡圖像。

“分析細胞或其他結構是顯微鏡研究人員面臨的最具挑戰性的任務(wù)之一，對于生物基礎研究來(lái)說(shuō)也至關(guān)重要，”哥廷根大學(xué)計算機科學(xué)研究所的助理教授Constantin Pape表示。“我的團隊專(zhuān)注于構建自動(dòng)化工具，并經(jīng)常收到研究人員請求協(xié)助。在開(kāi)發(fā)‘顯微鏡用Segment Anything’之前，我們不得不請他們先手動(dòng)標注大量結構，這是一項繁瑣且耗時(shí)的工作。μSAM改變了這一現狀！過(guò)去需要數周的繁瑣手動(dòng)工作，現在可以在幾小時(shí)內自動(dòng)完成，因為該模型只需幾次點(diǎn)擊就能分割任何生物結構，并且可以進(jìn)一步改進(jìn)以自動(dòng)化該任務(wù)。這樣便創(chuàng )造了許多新的應用場(chǎng)景，我們已經(jīng)在從基礎細胞生物學(xué)到開(kāi)發(fā)相關(guān)工具的廣泛項目中使用了它。”

雜志：Nature Methods

DOI：10.1038/s41592-024-02580-4