分析高分辨率显微镜图像

自动显微镜支持高分辨率图像的采集速度每秒一个图像和数百万的总数。这些高在细胞生物学构成新的挑战:如何分析产生的大量数据在合理的时间内?

我和我的同事面对这一挑战,当我们分析果蝇果蝇细胞在有丝分裂期间。我们的目标是了解基因在正常和异常细胞分裂(图1)。由于癌症,在很多方面,不受控制的细胞分裂,化疗常常靶细胞在有丝分裂期间。确定新的基因参与有丝分裂可以打开新的化疗药物的目标。

我们的项目,一个加州大学旧金山和淡水河谷实验室之间的合作Scholey实验室在加州大学戴维斯分校,涉及执行映像,果蝇细胞的全基因组RNAi屏幕。细胞生物学家使用的传统工具,严重依赖于视觉检查,不具有良好的伸缩性,并且不能用于大型项目。高通量显微镜关键是由于收购高速率和低的细胞分裂的人口比例。因为我们屏幕上只有1%的细胞分裂,我们需要100倍的图像。

我们使用MATLAB^®、图像处理工具箱™和统计和机器学习工具箱™开发例程,可以处理这些图像直接从显微镜下,跟上的速度实时采集四个cpu运行时。

分析了图像

直接从显微镜图像被输入到数据库中,在那里,他们不断地由发起的一个定制的bash守护进程监控,我们基于MATLAB的分析过程。所涉及的图像分析五个步骤:

• 分割的图像来识别图像中的所有细胞
• 分类的细胞有丝分裂(中间部门)或间期(非区分)
• 期间创建画廊的细胞分裂,使快速目视检查
• 对这些细胞进行定量测量
• 使用引导统计信息来识别统计上显著的冲击(扰动导致表型的变化比预期更高的机会)

图像处理工具箱提供了实现的所有基本的图像处理工具(图2)。这些工具是我们的分析过程的构建块。

MATLAB算法易于使用和非常良好的文档记录,允许科学家不是专家程序员来调整参数。通过调优,结合这些现有的算法我们可以专注于手边的问题,而不是陷入编程和实现细节。

我们也大量使用Netlab,人工神经网络的一个图书馆,一个大的MATLAB的许多可用的开源工具箱用户社区。以其发达的外部接口和api, MATLAB使我们与其他工具和语言结合Netlab创建一个综合分析管道。

会议实时筛查的挑战

在中间的筛选过程中,图像开始看起来不同。我们怀疑,可能是由于介质的变化用来喂养细胞,细胞行为的内部变化引起的一个标记,我们使用了特异性。结果,我们的分类过程停止正常工作,我们必须适应它迅速而图像流。这需要培训我们使用的神经网络分类器基于新的来自显微镜的图像。我们使用MATLAB可视化工具来快速识别问题并相应地调整我们的分析过程。

科学发现的本质是,你并不总是提前知道你正在寻找什么。最后的筛选过程,细胞生物学家视觉检查成千上万的画廊怀疑我们是失踪的一个潜在的重要的表型。我们使用MATLAB开发额外的化验在几天内。我们在分析管道包括他们不停地收购过程,并添加这些化验到屏幕上。新的化验负责识别的许多小说的结果来自本研究。

高通量基于图像的屏幕最大的挑战之一就是大量的假阳性的问题。MATLAB和统计和机器学习工具箱使我们适应统计分析使用计算密集型重采样方法和严格分配一个假定值为每个测试使用非参数工具。他们估计的非参数方法的优点是“野生型”零分布分别为每个板,会减少假阳性的数量。MATLAB matrix-handling功能使我们能够实现重采样算法只有几行代码。

研究成果

高含量的重要性,基于图像的屏幕在细胞生物学只有增长,和我毫不怀疑,研究人员将继续依靠MATLAB图像分析在细胞生物学。许多其他的基于图像的屏幕直接使用MATLAB工具或者开发库,适用于特定的细胞生物学研究的例子,CellProfiler。

总的来说,我们的项目是成功的。我们确认204的有丝分裂所需的基因,其中许多小说或意外。许多人进一步验证作为重要的其他生物,包括人类。后续对这些基因的研究,调查的细节的功能和机制消耗这些基因如何影响细胞分裂,继续在世界各地的实验室。