想象一下，你正在玩一个有很多碎片的拼图游戏，甚至连拼图中心的边缘都难以区分。解决办法似乎几乎不可能。而且，更糟糕的是，这个拼图是在一个未来的背景下，其中的碎片不仅是大量的，而且是不断变化的。事实上，你不仅要解决这个难题，还要“不解决”它，解析出每一个部分是如何让整个画面聚焦的。

 

这是分子和细胞生物学家在通过细胞分类来研究有机体的结构起源和发展方式(即形态发生)时所面临的挑战。要是有个工具能帮上忙就好了。《生活》(eLife)杂志本周发表的一篇论文表明，现在确实如此。

 

计算机科学家和机器学习专家Anna Kreshuk领导的EMBL研究小组加入了由dfp资助的由植物生物学家和计算机科学家组成的2581联盟，杏耀客服开发一种可以解决细胞拼图的工具。从计算机代码开始，再到一个更友好的图形界面PlantSeg，该团队建立了一个简单的开放获取方法，以提供迄今为止最准确和最通用的植物组织发育分析。该小组包括来自EMBL、海德堡大学、慕尼黑技术大学和科隆的马克斯·普朗克植物育种研究所的专家。

 

克雷舒克说:“建造类似PlantSeg这样的可以从3D角度观察细胞并将它们分离的东西是非常困难的，考虑到这对人类来说是多么的容易。”通常，在大多数与视觉相关的任务上，计算机都不如人类。随着最近深度学习和人工智能的广泛发展，我们离解决这个问题更近了一步，但它仍然没有解决——并不是所有情况下都能解决。这篇论文展示了我们目前的方法，它花了几年时间才建立起来。”

 

如果研究人员想在细胞水平上观察组织的形态形成，他们需要对单个细胞成像。大量的细胞意味着他们也必须分离或“分割”它们，以单独观察每个细胞并分析随时间的变化。

 

Kreshuk说:“在植物中，细胞看起来非常规则，横截面看起来像长方形或圆柱体。”“但也有所谓的‘高脑叶’细胞，这些细胞有突起，使它们看起来更像拼图碎片。”因为它们的不规则性， 杏耀平台总代 ，所以更难细分。”

 

Kreshuk的团队对PlantSeg进行了生殖器官的三维显微镜图像训练，并培养了一种常见的植物模型——拟南芥的侧根。该算法需要考虑细胞大小和形状的不一致性。细胞有时更有规律，有时更少。正如Kreshuk指出的，这是组织的本质。

 

这项研究美丽的一面来自于它提供给算法的显微镜和图像。结果在色彩鲜艳的渲染图中表现出来，描绘出细胞结构，使它更容易真正“看到”分割。

 

Kreshuk说:“我们有一个巨大的拼图板，上面有成千上万的细胞， 杏耀平台经营之道 ，杏耀代理然后我们基本上给每个拼图块涂上不同的颜色。”

 

植物生物学家早就需要这种工具，因为形态发生是许多发育生物学问题的关键。这种算法允许进行各种形状相关的分析，例如，通过发展、环境条件变化、物种之间的形状变化分析。本文介绍了胚珠发育变化的特征，细胞第一次不对称分裂引发侧根形成的研究，以及两种不同植物叶片细胞形态的比较和对比。

 

Kreshuk指出，虽然这个工具目前是专门针对植物的，但它也可以被修改用于其他生物体。

 

基于机器学习的算法，比如在PlantSeg的核心中使用的算法，是从正确的分割例子中训练出来的。该小组对PlantSeg进行了许多植物组织体积的训练，所以现在它能很好地概括未见过的植物数据。然而，基本的方法是适用于任何组织的细胞边界染色，并可以很容易地再训练它的动物组织。

 

Kreshuk说:“如果你的组织有边界染色，比如植物的细胞壁或动物的细胞膜，这种工具就可以使用。”“有了这种染色和足够高的分辨率，植物细胞看起来和我们的细胞非常相似，但又不完全一样。这个工具现在真的是为植物做了优化。对于动物来说，我们可能需要重新训练它们的一部分，但这是可行的。”

 

目前，PlantSeg是一个独立的工具，但Kreshuk的团队最终会将其并入她的实验室正在研究的另一个工具ilastik多ut工作流。