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，可以重建和視覺化細胞的三維(3D)形狀和時間變化，從而加快分析過程，從手工幾百個小時到計算機幾個小時。這一工具徹底改變了生物學家分析影象資料的方式，可以推動在發展和細胞生物學方面的進一步研究。

不同時間點細胞核(綠點和白點)和膜(紅線)影象的三維投影

這個跨學科研究由城市大學電子工程系電腦工程教授閻紅教授、黃鐘洪（音譯）資料工程學教授及北京大學生物學家共同領導。他們的發現已發表在科學雜誌《自然通訊》上，題為“利用基於深度學習的四維空間分割建立線蟲胚胎形態學圖譜”。

這個團隊開發的工具叫做“CShaper”。“這是一種強大的力量計算工具這可以在單細胞水平上系統地分割和分析細胞影象，這對於研究細胞分裂、細胞和基因功能是非常必要的。“嚴教授說。

海量細胞分裂資料分析的瓶頸

生物學家一直在研究動物如何透過無數的細胞分裂，從單個細胞，受精卵成長為器官和整個身體。特別是，他們想知道基因的功能，如特定的基因參與細胞分裂形成不同的器官，或什麼原因導致異常的細胞分裂導致腫瘤生長。

線蟲胚胎細胞單細胞分裂的形態動力學研究。

在這項研究中，合作的生物學家團隊利用線蟲的胚胎來產生兆位元組的資料，讓嚴教授的團隊進行計算分析。線蟲是一種與人類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一個有價值的模型。

他說：“據估計，線蟲中有2萬種基因，這意味著，如果一次敲除一個基因，就需要近2萬個實驗。而且會有大量的資料。因此，必須使用一個自動影象分析系統。這促使我們開發出一個更高效的系統，”他說。

細胞影象自動分割的突破

細胞影象通常是透過鐳射束掃描得到的。現有的影象分析系統只能在細胞膜影象質量較差的情況下很好地檢測細胞核，阻礙了細胞形態的重建。此外，對於細胞分裂過程中時間過期的三維影象(即4-D影象)的分割，缺乏可靠的演算法。影象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分段，以簡化影象分析。但是研究人員不得不花費數百個小時手工標記許多細胞影象。

CShaper的框架。使用基於深度學習的DMapNet，可以生成具有定義的單元標識的開發過程中的時間間隔3D單元形狀

CShaper 的突破在於它能夠檢測細胞膜，在三維中建立細胞形狀，更重要的是能夠在細胞水平上自動分割細胞影象。“使用 CShaper，生物學家可以在幾個小時內破譯這些影象的內容。它可以描述細胞的形狀和表面結構，並在不同的時間點提供細胞的三維檢視，”嚴教授團隊的博士生曹建峰(音譯)說，他也是論文的第一作者。

為了實現這一目標，團隊開發的基於深度學習的 DMapNet 模型在 CShaper 系統中發揮了關鍵作用。他解釋說：“透過學習捕捉影象畫素之間的多個離散距離，DMapNet 在考慮形狀資訊的同時提取膜輪廓，而不僅僅是強度特徵。因此，CShaper 識別細胞的準確率達到95.95%，遠遠優於其他方法。”

利用 CShaper，研究小組製作了4~350細胞期線蟲胚胎細胞形態的時差三維地形圖，包括細胞形態、體積、表面積、遷移、細胞核位置和細胞與已證實的細胞身份的接觸。

進一步的研究進展

曹先生說：“據我們所知，CShaper 是第一個在單細胞水平上系統分割和分析線蟲胚胎影象的計算系統。”透過與生物學家的密切合作，我們自豪地開發了一種有用的計算機工具，用於對大量細胞進行自動分析其影象資料。我們相信它可以促進進一步的發展和研究。細胞生物學尤其是在瞭解癌細胞的起源和生長方面，“嚴教授補充說。

他們還在植物組織細胞上測試了CShaper，顯示出了很好的結果。他們認為計算機工具可以應用於其他生物學研究。

更多資料：Jianfeng Cao et al, Establishment of a morphological atlas of the Caenorhabditis elegans embryo using deep-learning-based 4D segmentation, Nature Communications (2020). DOI: 10.1038/s41467-020-19863-x