打开任何介绍性生物学教科书,你会看到一个熟悉的图表:一个看起来像斑点的细胞,里面充满了色彩鲜艳的结构——使细胞发挥作用的内部机制。几十年来,细胞生物学家已经知道大多数这些结构(称为细胞器)的基本功能。 例如,豆形线粒体产生能量,瘦长的微管帮助货物在细胞周围拉动。 但是,尽管科学家们已经了解了这些微型生态系统,但对于它们的各个部分如何协同工作,仍有很多未知。

打开网易新闻 查看更多图片

COSEM 项目团队开发了一套算法,可以绘制细胞显微镜图像中的细胞器,创建细胞内部工作的详细 3D示意图。

现在,高分辨率显微镜——加上大量机器学习——正在帮助改变这种状况。美国霍华德休斯医学研究所Janelia研究团队的一组科学家报道,新的计算机算法可以在整个细胞的超高分辨率图像中自动识别大约30种不同类型的细胞器和其他结构。这些图像中的细节几乎不可能在整个细胞中手动解析。仅一个单元格的数据就由数万张图像组成,通过这组照片追踪一个细胞的所有细胞器需要一个人60多年的时间。但是新算法可以在数小时内绘制整个细胞,而不是数年。

通过使用机器学习来处理数据,人们可以重新审视细胞的规范视图。使用在线可视化工具,研究人员可以挖掘COSEM(用于电子显微镜中的细胞器分割)数据集,以了解不同细胞器如何在细胞内相互作用。例如下图,数据显示了线粒体(橙色)如何与内质网(紫色和绿色)相互作用(Figure 2)。

打开网易新闻 查看更多视频
这个项目组,一天2篇Nature,披露更多细胞内部细节,或将更新教科书!

Figure . 细胞内细胞器作用的可视化

之前,不同的细胞器和结构如何相对于彼此排列——它们如何相互接触,在细胞内占据了多少空间,这些都是未知的通过COSEM项目,第一次,那些隐藏的关系变得可见。

首先科学家们使用专门的电子显微镜,一层一层地捕捉到数千张细胞图像(1)。在这些图像的一部分中,科学家们煞费苦心地手工追踪单个细胞器(2)。叠加追踪图层会创建一个3D数据集。然后,科学家根据数据训练机器学习算法,教计算机识别不同的细胞器(3)。有了足够的示例数据,计算机可以有效地从以前从未见过的图像中挑选细胞器,绘制细胞器边界(4)。这些图像被编译成一个3D数据集,每个细胞器都被识别出来,完整地揭示了细胞的内部结构(5)。其他工具可以追踪特定的细胞器并确定它们相互作用的位置。该图像显示了线粒体(橙色)和内质网(绿色)之间的相互作用(6)。

Part 1: 体电子显微镜中的全细胞细胞器分割

打开网易新闻 查看更多图片

细胞包含数百个细胞器和大分子组装体。全面了解它们的复杂组织需要对整个细胞进行纳米级的三维重建,这只有通过强大且可扩展的自动方法才可行。鉴于此,为了支持此类方法的开发,来自霍华德休斯医学研究所Janelia 的COSEM 项目团队使用聚焦离子束扫描电子显微镜(FIB-SEM)以每体素4 nm的近各向同性分辨率成像注释了多达35种不同的细胞器类别——从内质网到微管再到核糖体——在来自多种细胞类型的不同样本体中。研究人员训练了深度学习架构,以每体素FIB-SEM体积以4 nm和8 nm分割这些结构,验证了它们的性能,并表明自动重建可用于直接量化以前无法访问的指标,包括细胞成分之间的空间相互作用。结果表明,这种重建可用于自动配准光和电子显微镜图像以进行相关研究。研究人员还创建了一个开放数据和开源网络存储库“OpenOrganelle”,以共享数据、计算机代码和训练有素的模型,这将使世界各地的科学家能够查询并进一步改进这些数据集的自动重建。

图 1. 训练数据与机器学习

上图1a显示了来自HeLa细胞的全细胞FIB-SEM数据集,该数据集被高压冷冻并在4nm各向同性体素处成像。图1a(右插图)中显示了一个靠近细胞中心的大约1-µm 3区域块的示例,具有如上所述的手动注释。来自该块的单个FIB-SEM切片,其中切片内的每个体素都被注释和分类,如图1a中的左侧插图所示。图1b中显示的是生成的原始预测,阈值为0,用σ =18 nm平滑并用三次插值渲染。图1b的插图显示了距离图1a中插图约3 µm的区域。区域中细胞器注释的质量,类似于图1a右侧插图中手动标记的那些,表明经过训练的网络可以成功地重建整个细胞的细胞器。总体而言,结果显示在本文的训练数据中很好地代表了细胞器的良好性能得分,并且包含更多细胞器(即“全部”或“许多”)的设置往往表现稍好。

这个项目组,一天2篇Nature,披露更多细胞内部细节,或将更新教科书!

细胞器如何在细胞内组合在一起

总之,使用高分辨率FIB-SEM成像的完整细胞和组织的大规模重建有望扩大人们对细胞器相互作用的结构和组织的理解。细胞器集合的全自动重建是详尽分析这些大型数据集的经济可行的方法。为了易于应用于新问题和领域,自动重建方法必须在细胞类型、组织和制备方法之间进行泛化。基于深度学习的方法依赖于通常不适用于新样本的代表性训练示例。

Part 2: 全细胞和组织的开放式体电子显微镜图谱

了解细胞结构对于了解生物学至关重要。电子显微镜(EM)以纳米分辨率独特地可视化细胞结构。然而,传统的方法,如薄层EM或EM断层扫描,有局限性,因为它们只能分别可视化单个切片或相对较小体积的细胞。聚焦离子束扫描电子显微镜(FIB-SEM)已证明能够使用4 nm各向同性体素对小体积细胞样品进行成像。由于FIB精度和稳定性的进步,加上增强的信号检测和更快的SEM扫描,Janelia 高级科学家Shan Xu和高级小组负责人Harald Hess将4纳米体素成像的体积增加了两个数量级。研究人员以这种分辨率提供了一个体电子显微镜图集,其中包含10个全细胞和组织的三维数据集,包括癌细胞、免疫细胞、小鼠胰岛和果蝇神经组织。

打开网易新闻 查看更多图片

图2. 增强的FIB-SEM配置、操作和分辨率

Part 3:总结

经过两年的努力,COSEM团队已经找到了一套算法,可以为迄今为止收集的数据生成良好的结果。这些结果是Janelia未来研究的重要基础。由Xu领导的一项新工作正在将FIB-SEM成像提升到更高的细节水平。而另一个名为Cell Map即将推出的项目小组将进一步细化COSEM的工具和资源,创造一个更加广阔的细胞标注数据库,与更多类型的细胞和组织的详细图像。

总之,这些进展将支持Janelia的下一个15年研究领域,即4D细胞生理学——旨在了解细胞如何在构成有机体的许多不同组织中的每一种组织中相互作用。

参考文献:

Larissa Heinrich, Davis Bennett, David Ackerman, Woohyun Park, John Bogovic, Nils Eckstein, Alyson Petruncio, Jody Clements, Song Pang, C. Shan Xu, Jan Funke, Wyatt Korff, Harald F. Hess, Jennifer Lippincott-Schwartz, Stephan Saalfeld, Aubrey V. Weigel, COSEM Project Team. “Whole-cell organelle segmentation in volume electron microscopy.” Nature. Published online October 6, 2021. DOI: 10.1038/s41586-021-03977-3.

C. Shan Xu, Song Pang, Gleb Shtengel, Andreas Müller, Alex T. Ritter, Huxley K. Hoffman, Shin-ya Takemura, Zhiyuan Lu, H. Amalia Pasolli, Nirmala Iyer, Jeeyun Chung, Davis Bennett, Aubrey V. Weigel, Tobias C. Walther, Robert V. Farese, Jr., Schuyler B. van Engelenburg, Ira Mellman, Michele Solimena, Harald F. Hess. “An open-access volume electron microscopy atlas of whole cells and tissues.” Nature. Published online October 6, 2021. DOI: 10.1038/s41586-021-03992-4.

来源:高分子科学前沿

声明:仅代表作者个人观点,作者水平有限,如有不科学之处,请在下方留言指正!