打開任何介紹性生物學教科書,你會看到一個熟悉的圖表:一個看起來像斑點的細胞,裡面充滿了色彩鮮豔的結構——使細胞發揮作用的內部機制。幾十年來,細胞生物學家已經知道大多數這些結構(稱為細胞器)的基本功能。例如,豆形線粒體產生能量,瘦長的微管幫助貨物在細胞周圍拉動。但是,儘管科學家們已經瞭解了這些微型生態系統,但對於它們的各個部分如何協同工作,仍有很多未知。
COSEM項目團隊開發了一套算灋,可以繪製細胞顯微鏡影像中的細胞器,創建細胞內部工作的詳細3D示意圖。
現在,高解析度顯微鏡——加上大量機器學習——正在幫助改變這種狀況。美國霍華德休斯醫學研究所Janelia研究團隊的一組科學家報導,新的電腦算灋可以在整個細胞的超高分辯率影像中自動識別大約30種不同類型的細胞器和其他結構。這些影像中的細節幾乎不可能在整個細胞中手動解析。僅一個儲存格的數據就由數萬張影像組成,通過這組照片追跡一個細胞的所有細胞器需要一個人60多年的時間。但是新算灋可以在數小時內繪製整個細胞,而不是數年。
通過使用機器學習來處理數據,人們可以重新審視細胞的規範視圖。使用線上視覺化工具,研究人員可以挖掘COSEM(用於電子顯微鏡中的細胞器分割)數据集,以瞭解不同細胞器如何在細胞內相互作用。例如下圖,資料顯示了線粒體(橙色)如何與內質網(紫色和綠色)相互作用(Figure 2)。
之前,不同的細胞器和結構如何相對於彼此排列——它們如何相互接觸,在細胞內佔據了多少空間,這些都是未知的。通過COSEM項目,第一次,那些隱藏的關係變得可見。
首先科學家們使用專門的電子顯微鏡,一層一層地捕捉到數千張細胞影像(1)。在這些影像的一部分中,科學家們煞費苦心地手工追跡單個細胞器(2)。疊加追跡圖層會創建一個3D數据集。然後,科學家根據數據訓練機器學習算灋,教電腦識別不同的細胞器(3)。有了足够的示例數據,電腦可以有效地從以前從未見過的影像中挑選細胞器,繪製細胞器邊界(4)。這些影像被編譯成一個3D數据集,每個細胞器都被識別出來,完整地揭示了細胞的內部結構(5)。其他工具可以追跡特定的細胞器並確定它們相互作用的位置。該影像顯示了線粒體(橙色)和內質網(綠色)之間的相互作用(6)。
Part 1:體電子顯微鏡中的全細胞細胞器分割
細胞包含數百個細胞器和大分子組裝體。全面瞭解它們的複雜組織需要對整個細胞進行納米級的三維重建,這只有通過强大且可擴展的自動方法才可行。鑒於此,為了支持此類方法的開發,來自霍華德休斯醫學研究所Janelia的COSEM項目團隊使用聚焦離子束掃描電子顯微鏡(FIB-SEM)以每體素4 nm的近各向同性分辯率成像注釋了多達35種不同的細胞器類別——從內質網到微管再到核糖體——在來自多種細胞類型的不同樣本體中。研究人員訓練了深度學習架構,以每體素FIB-SEM體積以4 nm和8 nm分割這些結構,驗證了它們的效能,並表明自動重建可用於直接量化以前無法訪問的名額,包括細胞成分之間的空間相互作用。結果表明,這種重建可用於自動配准光和電子顯微鏡影像以進行相關研究。研究人員還創建了一個開放數據和開源網路存儲庫“OpenOrganelle”,以共亯數據、電腦程式碼和訓練有素的模型,這將使世界各地的科學家能够査詢並進一步改進這些數据集的自動重建。
圖1.訓練數據與機器學習
上圖1a顯示了來自HeLa細胞的全細胞FIB-SEM數据集,該數据集被高壓冷凍並在4nm各向同性體素處成像。圖1a(右插圖)中顯示了一個靠近細胞中心的大約1-µm3區域塊的示例,具有如上所述的手動注釋。來自該塊的單個FIB-SEM切片,其中切片內的每個體素都被注釋和分類,如圖1a中的左側插圖所示。圖1b中顯示的是生成的原始預測,閾值為0,用σ =18 nm平滑並用三次插值渲染。圖1b的插圖顯示了距離圖1a中插圖約3µm的區域。區域中細胞器注釋的質量,類似於圖1a右側插圖中手動標記的那些,表明經過訓練的網絡可以成功地重建整個細胞的細胞器。總體而言,結果顯示在本文的訓練數據中很好地代表了細胞器的良好效能得分,並且包含更多細胞器(即“全部”或“許多”)的設定往往表現稍好。
細胞器如何在細胞內組合在一起
總之,使用高解析度FIB-SEM成像的完整細胞和組織的大規模重建有望擴大人們對細胞器相互作用的結構和組織的理解。細胞器集合的全自動重建是詳盡分析這些大型數据集的經濟可行的方法。為了易於應用於新問題和領域,自動重建方法必須在細胞類型、組織和製備方法之間進行泛化。基於深度學習的方法依賴於通常不適用於新樣本的代表性訓練示例。
Part 2:全細胞和組織的開放式體電子顯微鏡圖譜
瞭解細胞結構對於瞭解生物學至關重要。電子顯微鏡(EM)以納米分辯率獨特地視覺化細胞結構。然而,傳統的方法,如薄層EM或EM斷層掃描,有局限性,因為它們只能分別視覺化單個切片或相對較小體積的細胞。聚焦離子束掃描電子顯微鏡(FIB-SEM)已證明能够使用4 nm各向同性體素對小體積細胞樣品進行成像。由於FIB精度和穩定性的進步,加上增强的訊號檢測和更快的SEM掃描,Janelia高級科學家Shan Xu和高級小組負責人Harald Hess將4納米體素成像的體積新增了兩個數量級。研究人員以這種分辯率提供了一個體電子顯微鏡圖集,其中包含10個全細胞和組織的三維數据集,包括癌細胞、免疫細胞、小鼠胰島和果蠅神經組織。
圖2.增强的FIB-SEM配寘、操作和分辯率
Part 3:總結
經過兩年的努力,COSEM團隊已經找到了一套算灋,可以為迄今為止收集的數據生成良好的結果。這些結果是Janelia未來研究的重要基礎。由Xu領導的一項新工作正在將FIB-SEM成像提升到更高的細節水准。而另一個名為Cell Map即將推出的項目小組將進一步細化COSEM的工具和資源,創造一個更加廣闊的細胞標注資料庫,與更多類型的細胞和組織的詳細影像。
總之,這些進展將支持Janelia的下一個15年研究領域,即4D細胞生理學——旨在瞭解細胞如何在構成有機體的許多不同組織中的每一種組織中相互作用。
參考文獻:
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.