تحليل بيانات الفحص المجهري متعدد الأبعاد باستخدام Cell-ACDC

Francesco Padovani; Timon Stegmaier; Benedikt Mairhörmann; Kurt M. Schmoller

doi:10.3791/68954

Method Article

تحليل بيانات الفحص المجهري متعدد الأبعاد باستخدام Cell-ACDC

DOI:

10.3791/68954

⸱

November 7th, 2025

Francesco Padovani*¹ , Timon Stegmaier*¹ , Benedikt Mairhörmann¹^,²^,³ , Kurt M. Schmoller¹

¹Institute of Functional Epigenetics, Molecular Targets and Therapeutics Center, Helmholtz Zentrum München, ²Institute of Network Biology, Molecular Targets and Therapeutics Center, Helmholtz Zentrum München, ³Institute of AI for Health, Computational Health Center, Helmholtz Zentrum München

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يتطلب التحليل الدقيق لبيانات الفحص المجهري متعدد الأبعاد تدفقات عمل معقدة. توضح هذه المقالة كيفية استخدام برنامج Cell-ACDC. إنه يستفيد من أحدث النماذج التي تعتمد على الذكاء الاصطناعي للتجزئة والتتبع وتحليل نسب الخلايا والقياس الكمي لبيانات الفحص المجهري. بشكل حاسم ، أنه يكمل هذه النماذج بإطار مبتكر للتصحيح شبه الآلي لمخرجات النماذج.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

مكنت التطورات الحديثة في الفحص المجهري الكمي لعلوم الحياة علماء الأحياء التجريبية من استكشاف الخلايا بدقة وسرعة غير مسبوقة. في الوقت نفسه ، أدت ثورة الذكاء الاصطناعي إلى زيادة كمية المعلومات التي يمكن استخراجها من بيانات الفحص المجهري متعدد الأبعاد بشكل كبير. ومع ذلك ، فإن الكمية الكبيرة من البيانات التي تم إنشاؤها وتعقيد نماذج الذكاء الاصطناعي الحديثة تشكل عنق الزجاجة الشديد في مرحلة تحليل الصور. Cell-ACDC هو برنامج مفتوح المصدر وسهل الاستخدام يوفر حلا قويا شاملا للتجزئة والتتبع والتحليل الكمي للخلايا المفردة في بيانات الفحص المجهري متعدد الأبعاد. تم تصميمه لعلماء الأحياء التجريبية الذين قد يفتقرون إلى الخبرة التقنية المتقدمة المطلوبة لتنفيذ مثل هذه النماذج. توضح هذه المقالة كيفية الاستفادة من إطار العمل للاستفادة بسهولة من أحدث النماذج ، جنبا إلى جنب مع العديد من الأدوات لتصحيح البيانات الذكية وشبه الآلية ، لزيادة كمية المعلومات البيولوجية التي يمكن الحصول عليها. يدعم Cell-ACDC بيانات الفحص المجهري متعدد القنوات والفاصل الزمني وz-stack ، ويوفر مجموعة أدوات مخصصة مصممة لكل نوع من أبعاد البيانات. نظرا لتصميمها المعياري ، والذي يسمح بدمج النماذج الجديدة بسلاسة والوصول إليها مباشرة من قبل علماء الأحياء ، فإن Cell-ACDC لديها القدرة على العمل كأداة مرجعية لتحليل بيانات الفحص المجهري.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

أصبح الفحص المجهري أساسيا لتسريع الاكتشاف البيولوجي في كل مرحلة من مراحل البحث والتطوير ، من العلوم الأساسية¹^،²^،³ إلى اكتشاف الأدوية واختبارها⁴^،⁵ وعبر مجموعة رائعة من الأحجام ، من مزارع الخلايا إلى الأنسجة⁶^،⁷ ، والعضيات⁸^،⁹ ، والكائنات الحية الكاملة¹⁰. ومع ذلك ، تأتي تقنيات الفحص المجهري المتقدمة هذه مع عيبين رئيسيين. أولا ، بيانات الفحص المجهري كبيرة بطبيعتها¹¹ ، خاصة عند الحصول على أبعاد متعددة (على سبيل المثال ، الوقت والأحجام ثانيا ، يتطلب الاستخراج الدقيق للمعلومات البيولوجية الغنية في البيانات نشر أطر عمل متقدمة لتحليل الصور التي غالبا ما تعتمد على نماذج الذكاء الاصطناعي. يمكن أن تكون هذه المهمة شاقة لعلماء الأحياء التجريبيين. لذلك ، يمكن لخطوات معالجة البيانات ومعالجتها وتحليلها أن تبطئ البحث العلمي بشكل كبير مع تقليل احتمالية الاكتشافات الجديدة. من الناحية المثالية ، يجب أن تساعد أطر البرامج لتحليل الصور الحيوية المستخدم في كل خطوة من خطوات التحليل ، من معالجة ملف الفحص المجهري الخام من خلال التجزئة والتتبع إلى التحليل النهائي لاستخراج الرؤى البيولوجية. من الناحية العملية ، كان للتطور السريع لبرنامج جديد لتحليل الصور الحيوية ، على الرغم من كونه نتيجة إيجابية ، أثر جانبي يتمثل في إنشاء مشهد مبعثر من الأدوات الخاصة بخطوة تحليل معينة أو يتطلب خبرة متقدمة في البرمجة. هذا يترك المستخدم مع مهمة صعبة تتمثل في تجميع سير عمل التحليل ، مما يؤدي غالبا إلى خطوط أنابيب دون المستوى الأمثل حيث يتم حفظ البيانات ومعالجتها وتحويلها عدة مرات لجعلها متوافقة مع الأداة التالية. بالإضافة إلى ذلك ، لا يتم توحيد تطوير تحليل الصور الحيوية إلى لغة برمجة واحدة ، مع تطوير العديد من الأدوات كمكونات إضافية ImageJ¹² أو QuPath¹³ (Java) أو مكونات Napari الإضافية (Python) ¹⁴ أو نصوص Python. في بعض الحالات ، تقود هذه البيئة الصعبة العلماء إلى اختيار التحليل اليدوي ، وهي عملية ليست بطيئة فحسب ، بل تقدم أيضا تحيز بشري وتعيق التكاثر.

لحل هذه المشكلة ، تم تطوير Cell-ACDC (تحليل الخلايا لدورة انقسام الخلية) ¹⁵ ، وهي مجموعة أدوات برمجية مفتوحة المصدر قائمة على واجهة المستخدم الرسومية مكتوبة بلغة Python لتحليل بيانات الفحص المجهري متعدد الأبعاد. بشكل حاسم ، يوفر Cell-ACDC العديد من النماذج الحديثة المنفذة مسبقا والمثبتة تلقائيا (عند الحاجة) لكل من التجزئة (Cellpose و StarDist و Segment Anything و YeaZ و YeastMate وما إلى ^ذلك.16^،¹⁷^،¹⁸^،¹⁹^،²⁰^،²¹^،²²^،²³^،²⁴^،²⁵^،²⁶ ^،²⁷^،²⁸) والتتبع (Trackastra و Trackpy و Bayesian Tracker و Cell-ACDC وما إلى ذلك ¹⁹^،²⁹^،³⁰^،³¹^،³²^،³³^،³⁴). يتم استكمال هذه النماذج بإطار عمل لتصور البيانات المشروحة والتصحيحات اليدوية بمساعدة الكمبيوتر. بالإضافة إلى ذلك ، ضمن نفس الإطار ، يوفر Cell-ACDC وحدة لكل خطوة من خطوات خط أنابيب تحليل الصور ، ويعتني تلقائيا بمعالجة البيانات ومعالجتها وحفظها (الشكل 1). وبشكل أكثر تحديدا ، فإنه يمكن المستخدم من إجراء تجزئة المثيل (على سبيل المثال ، الخلايا الفردية) ، وتتبع الكائنات ، والتعليق التوضيحي لحالات الخلية (على سبيل المثال ، مرحلة دورة الخلية) ، وأشكال مختلفة من القياس الكمي ، بما في ذلك تحليل قنوات التألق المتاحة.

تتمثل إحدى نقاط القوة الرئيسية ل Cell-ACDC في تحليل بيانات الفحص المجهري بفاصل زمني للخلايا الحية ، والتي تشكل تحديات كبيرة بسبب الحاجة إلى الاتساق عبر النقاط الزمنية. في حين أن هناك العديد من النماذج للتجزئة والتتبع الآلي للخلايا المفردة ، تظل التصحيحات اليدوية ضرورية لمعالجة الأسئلة البيولوجية المعقدة. تقدم Cell-ACDC مجموعة من الأدوات المصممة خصيصا لتبسيط عملية التصحيح. يدمج خوارزميات ذكية لتقليل عدد التعديلات اليدوية. والجدير بالذكر أن التصحيحات يتم نشرها تلقائيا عبر جميع الأطر المستقبلية والسابقة ذات الصلة ، مما يحافظ على سلامة البيانات طوال التحليل. نظرا لتصميمه المعياري وقاعدة المستخدمين المتنامية ، فإن التطوير المستمر لهذا البرنامج يمثل أولوية ، مع تركيز الجهود المستمرة على دمج نماذج جديدة وتلبية الاحتياجات المتطورة للمجتمع.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

ملاحظة: تم تصميم Cell-ACDC ليكون واضحا وبديهيا للمستخدمين الذين ليس لديهم خلفية برمجة قدر الإمكان. يتم تحقيق ذلك بشكل أساسي من خلال تقسيم سير عمل التحليل إلى خطوات أصغر وسهلة المتابعة وتوفير معلومات إضافية من خلال تلميحات الأدوات وأزرار المعلومات. نظرا لأن Cell-ACDC يغطي مجموعة واسعة من الخطوات التي غالبا ما يكون ترتيب تنفيذها غير متسلسل، يظهر مخطط القرار في الشكل 2. سيتناول الدليل التالي مثالا محددا. يمكن استخدام الخطوتين 10 و 11 لاستيراد بيانات أخرى بدلا من استخدام البيانات المتوفرة التي تم تنزيلها في الخطوة 3.

1. تثبيت Cell-ACDC

ملاحظة: يتم توزيع Cell-ACDC حاليا كحزمة Python عبر فهرس حزمة Python (PyPI) ويمكن تثبيته باستخدام الأمر pip install "cellacdc[torch]".

الإعداد Miniforge
1. قم بتنزيل برنامج التثبيت من موقع Miniforge على الويب (انظر جدول المواد للحصول على التفاصيل).
2. تثبيت Miniforge: بالنسبة لنظام التشغيل Windows ، قم بتشغيل برنامج التثبيت الذي تم تنزيله واتبع التعليمات. بالنسبة لنظام التشغيل Mac أو Linux، افتح الجهاز الطرفي وقم بتشغيل الأمر التالي:
  curl -L -O "https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-$(uname)-$(uname -m).sh
3. بمجرد اكتمال التثبيت ، افتح الجهاز الصحيح باتباع الإرشادات أدناه:
  1. بالنسبة لنظام التشغيل Windows، اضغط على Win + S، واكتب Miniforge Prompt، واضغط على Enter.
  2. بالنسبة لنظام التشغيل Mac/Linux: افتح تطبيق Terminal.
إدارة البيئة الظاهرية.
1. في المطالبة، اكتب الأمر التالي لإنشاء بيئة ظاهرية. ثم اضغط على Enter لتنفيذ الأمر.
  conda create -y -n acdc python = 3.12
2. تنشيط البيئة عن طريق تشغيل:
  Conda تنشيط ACDC
تركيب
1. مع تنشيط البيئة، قم بتثبيت Cell-ACDC عن طريق تشغيل الأمر التالي:
  تثبيت النقطة "CellacDC [Torch]"
2. بعد التثبيت، قم بتشغيل Cell-ACDC -y للسماح للبرنامج بإنهاء إعداده.

2. تشغيل الخلية-ACDC

افتح الطرف الصحيح (انظر الخطوة 1.1.3).
قم بتنشيط البيئة عن طريق تشغيل الأمر:
Conda تنشيط ACDC
ابدأ تشغيل Cell-ACDC عن طريق تشغيل الأمر التالي:
الخلية-ACDC

3. تنزيل بيانات العينة

ملاحظة: سيتم تنزيل بيانات الأمثلة إلى "C:\Users\٪USERNAME٪\acdc-appdata\acdc-examples\TimeLapse_2D\Position_8" على Windows، وإلى "~/acdc-appdata/acdc-examples/TimeLapse_2D/Position_8" على نظامي التشغيل MacOS وLinux. إذا لم يتم عرض دليل الترحيب، فحدد تعليمات > دليل الترحيب (الشكل 3 ب) في شريط القائمة في نافذة مشغل Cell-ACDC الرئيسية (الشكل 1).

حدد تنزيل واختبار باستخدام مثال فاصل زمني (الشكل 3 ب).
انتظر حتى ينتهي التنزيل.
انقر فوق لا، بفضل إيقاف تحميل البيانات مباشرة في واجهة المستخدم الرسومية.

4. وحدة إعداد البيانات

ملاحظة: يمكن محاذاة البيانات قبل التجزئة، ويمكن تحديد مناطق الاهتمام (ROIs). هذه الخطوات اختيارية ولكنها مفيدة إذا تم إزاحة مجال الرؤية بمرور الوقت أو إذا كانت أجزاء فقط من البيانات ذات أهمية ، على التوالي.

انقر فوق تشغيل وحدة إعداد البيانات ... في النافذة الرئيسية لفتح وحدة إعداد البيانات (الشكل 1 أ ، وحدة المعالجة المسبقة للبيانات).
حدد المجلد الذي يحتوي على البيانات.
1. انقر فوق رمز المجلد في شريط أدوات النافذة الجديدة لتحميل بيانات الفحص المجهري (الشكل 4 أ).
2. حدد المجلد الذي يحتوي على البيانات، ثم قم بتأكيد التحديد بالضغط على تحديد مجلد.
حدد قناة لعملية المحاذاة باستخدام القائمة المنسدلة لتحديد phase_contr القناة. ثم اضغط على موافق لتأكيد التحديد (الشكل 4 ب).
اضغط على موافق لتأكيد خصائص الصورة (الشكل 4C).
ملاحظة: إذا كنت تعمل مع بيانات z-stack، ولكن يجب إستخدام شريحة واحدة فقط للتجزئة، فحدد شريحة z المناسبة باستخدام شريط التمرير. استخدم الأزرار الموجودة في شريط الأدوات لتطبيق التحديد على إطارات أخرى إذا لزم الأمر.
قم بتشغيل عملية المحاذاة.
1. انقر فوق زر البدء الموجود أيضا في شريط الأدوات (الشكل 5 أ).
2. انقر فوق نعم لبدء عملية المحاذاة.
  ملاحظة: انقر فوق لا لتخطي المحاذاة.
3. اضغط على موافق لتأكيد الاعتراف بالمعلومات المتعلقة بالحشو.
  ملاحظة: قد تستغرق المحاذاة بعض الوقت، حسب حجم البيانات.
4. اضغط على موافق لإنهاء المحاذاة بمجرد اكتمال العملية.
تعيين عائد الاستثمار وعائد الاستثمار في الخلفية.
1. انتقل إلى الإطار الأخير من فيديو التجزئة باستخدام شريط تمرير تحديد الإطار في الجزء السفلي من واجهة المستخدم الرسومية لإعداد البيانات.
2. اضبط عائد الاستثمار في الخلفية المضاف تلقائيا عن طريق سحبه عبر الصورة أو تغيير حجمه باستخدام الماس. تأكد من عدم وجود خلايا في عائد الاستثمار في الخلفية. اترك عائد الاستثمار كما هو (الشكل 5 ب).
  ملاحظة: لتحديد عائد استثمار إضافي، انقر فوق الزر إضافة عائد استثمار للاقتصاص (الموجود في شريط الأدوات) وحددها في العارض. عادة ، يجب أن يكون عائد الاستثمار صغيرا قدر الإمكان مع الاستمرار في تضمين جميع الخلايا ذات الأهمية عبر الأطر ذات الصلة. ومع ذلك ، لضمان قابلية التكرار داخل هذا البروتوكول ، يوصى بعدم تعديله.
لاقتصاص عائد الاستثمار المحدد في ملفات صور جديدة ، انقر فوق الزر "اقتصاص " الموجود في أقصى اليسار.
ملاحظة: هذه الخطوة اختيارية. إذا لم تكن هناك حاجة إلى الصور التي تم اقتصاصها، فيمكن إغلاق النافذة. يتم حفظ إحداثيات جميع عائد الاستثمار وعائد الاستثمار في الخلفية تلقائيا ويمكن استخدامها لاحقا للتجزئة. إذا لم يتم تغيير عائد الاستثمار ، فلن تفعل هذه الأزرار شيئا. تتضمن خيارات الاقتصاص اتجاهات XY أو شرائح z أو نطاقات زمنية محددة. يتم تصنيف كل زر بالأبعاد التي سيتم اقتصاصها.
حفظ البيانات المحاذاة
1. أغلق النافذة باستخدام زر إغلاق النافذة (على سبيل المثال ، X في الزاوية العلوية اليمنى على Windows أو النقطة الحمراء في الزاوية العلوية اليسرى على macOS أو Linux).
2. اضغط على نعم ، احفظ البيانات المحاذاة لحفظ البيانات المحاذاة.
3. انقر فوق نعم، احفظ البيانات المتوافقة مرة أخرى للتأكيد.
حفظ البيانات التي تم اقتصاصها إذا لم يتم تخطي الخطوة 4.7 ولم يتم تعديل عائد الاستثمار.
1. حدد نعم، احفظ البيانات التي تم اقتصاصها لحفظ البيانات التي تم اقتصاصها.
2. اضغط على نعم ، المحاصيل من فضلك لتأكيد حفظ المحصول.
3. انقر فوق موافق لتأكيد مسار المجلد الافتراضي.
  ملاحظة: حدد مجلدا مختلفا للاحتفاظ بالبيانات التي لم يتم اقتصاصها.
4. حدد نعم، الكتابة فوق المسار لتأكيد ما إذا كان المسار الافتراضي قد تم استخدامه من قبل.
5. اضغط على موافق للتأكيد بعد اكتمال العملية.

5. إيجاد أفضل نموذج ومعلمات للتجزئة

ملاحظة: تقدم Cell-ACDC واجهة مستخدم رسومية مع ملاحظات في الوقت الفعلي للعثور على أفضل معلمات التجزئة (الشكل 6). بشكل عام ، يتم توفير هذه النماذج من قبل أطراف ثالثة ، ولكل منها وثائقها الخاصة. تقع على عاتق المستخدم مسؤولية تحديد أفضل نموذج تجزئة ومعلماته المثلى ، ويجب على المستخدمين التحقق من وثائق النموذج المعني الذي يحاولون الحصول على مزيد من المعلومات.

انقر فوق تشغيل واجهة المستخدم الرسومية ... في النافذة الرئيسية (الشكل 1 أ ، تصور وتصحيح الوحدة).
قم بتحميل بيانات العينة.
1. انقر فوق رمز المجلد في شريط أدوات النافذة الجديدة لفتح قائمة تحديد المجلد.
2. حدد المجلد الذي يحتوي على البيانات، ثم اضغط على تحديد مجلد لتأكيد التحديد.
اختر قناة للتمثيل البصري. استخدم القائمة المنسدلة لتحديد phase_contr القناة للتقسيم، ثم حدد موافق للتأكيد.
الانتهاء من تحميل البيانات.
1. اضغط على موافق لتأكيد اسم قناع التجزئة الافتراضي.
2. انقر فوق موافق للمواقف التي تم تحميلها لتأكيد خصائص الصورة.
3. حدد لا لمنع تحميل بيانات التألق الإضافية.
في محدد الوضع (الشكل 6 ، "محدد الوضع") ، حدد الوضع التجزئة والتتبع.
اعثر على أفضل إعدادات المعالجة المسبقة.
1. انتقل إلى > المعالجة المسبقة للصور... في شريط القائمة العلوي لفتح نافذة المعالجة المسبقة المخصصة (الشكل 7 أ).
2. حدد Remove Hot Pixels أو خطوة أخرى مطلوبة للمعالجة المسبقة في القائمة المنسدلة.
3. استخدم أيقونة الترس لتهيئة الإعدادات وتغييرها لخطوة ما. استخدم زر المعلومات لعرض معلومات حول الخطوة والمعلمات المتوفرة. اترك الإعدادات دون تغيير.
4. استخدم أيقونة علامة الجمع لإضافة خطوة أخرى.
5. حدد إعادة قياس الشدة وقم بتأكيد الإعدادات بتكرار الخطوتين 5.6.1 و 5.6.2.
6. حدد خانة اختيار المعاينة لرؤية تأثيرات الخطوات في الوقت الفعلي.
7. انقر فوق تطبيق على جميع الإطارات (الشكل 7 ب).
8. اضغط على حفظ البيانات التي تمت معالجتها مسبقا لبدء عملية الحفظ.
9. اضغط على موافق لتأكيد الاسم الافتراضي.
10. أغلق نافذة وصفة المعالجة المسبقة .
ابحث عن أفضل إعدادات التجزئة.
1. حدد مقطع > إطار مقطع معروض في الشريط العلوي، ثم حدد YeaZ_v2 (الشكل 8 أ).
2. اضغط على موافق لتنزيل YeaZ_v2 إذا طلب منك ذلك.
  ملاحظة: يمكن أن يستغرق التنزيل عدة دقائق. يتم عرض التقدم في نافذة وحدة التحكم. لا تغلق واجهة المستخدم الرسومية أثناء التنزيل ، حتى إذا لم تستجيب.
3. اترك المعلمات الافتراضية دون تغيير.
  ملاحظة: تحتوي معظم المعلمات على أزرار معلومات توفر إرشادات مفصلة.
4. قم بتمكين المعالجة اللاحقة عن طريق التحقق من معلمات تجزئة ما بعد المعالجة (الشكل 8 ب).
5. اقبل المعلمات بالنقر فوق موافق.
  ملاحظة: قد يستغرق التجزئة بعض الوقت، اعتمادا على مدى تعقيد النموذج وحجم الصورة ومواصفات الكمبيوتر. على وجه الخصوص ، يمكن أن يكون الإصدار 4 من Cellpose بطيئا جدا.
6. إذا سئل عن تفعيل التقسيم التلقائي، فحدد لا.
7. تحقق من أن التقسيم يعمل بشكل جيد.
8. كرر الخطوة 5.7.1 لإعادة فتح معلمات التجزئة.
9. إذا كانت نتائج التجزئة كما هو متوقع، فاضغط على حفظ جميع المعلمات في ملف الوصفة. وإلا، قم بتغيير معلمات التجزئة وكرر الخطوات من 5.7.4 إلى 5.7.8.
10. استخدم إدخال النص لإعطاء وصفة التجزئة اختبار الاسم.
11. انقر فوق موافق لقبول الاسم.
12. اضغط على موافق لإنهاء حفظ سير العمل.
13. أغلق شاشة تحديد المعلمة.
إغلاق نافذة واجهة المستخدم الرسومية
1. أغلق نافذة واجهة المستخدم الرسومية.
2. اضغط على لا لعدم الحفظ قبل الإغلاق.

6. التجزئة والتتبع (معالجة الدفعات)

انقر فوق تشغيل وحدة التجزئة ... في النافذة الرئيسية (الشكل 1 أ ، وحدة "المقطع والمسار").
1. حدد نموذج البيانات. استخدم محدد المجلد الخاص ب Cell-ACDC لاختيار المجلد الذي يحتوي على البيانات، ثم اضغط على تحديد مجلد لتأكيد التحديد.
حدد معلمات معالجة الدفعات.
1. حدد phase_contr_preprocessed القناة كقناة للتقسيم. اضغط على موافق لتأكيد التحديد.
  ملاحظة: تستخدم بعض الطرز قناة إضافية كمدخل. يمكن تحديد هذه القناة لاحقا عند تعيين معلمات التجزئة الأخرى.
2. قم بتأكيد خصائص الصورة بالنقر فوق موافق.
قم بتعيين إعدادات نموذج التجزئة.
1. اختر YeaZ_v2 كنموذج يجب استخدامه للتقسيم، ثم قم بتأكيد التحديد بالنقر فوق موافق.
2. انقر فوق الزر تحميل الوصفة المحفوظة ... لتحميل الوصفة المحفوظة مسبقا.
3. حدد segmentation_recipe_test.ini من القائمة، ثم قم بتأكيد التحديد بالنقر فوق موافق.
4. قم برفض رسالة التحميل الناجحة بالضغط على موافق.
5. قم بتأكيد المعلمات عن طريق تحديد موافق.
تأكد من إعدادات التجزئة الأخرى.
1. اضغط على موافق لقبول الاسم الافتراضي لملف التجزئة.
2. حدد لا للتأكد من أنه يجب تقسيم الصورة بأكملها.
3. حدد Ok لتعيين إطار الإيقاف كإطار نهائي للفاصل الزمني.
اضبط إعدادات التتبع. حدد YeaZ كطريقة التتبع المراد استخدامها ، ثم قم بتأكيد التحديد بالضغط على موافق.
قم بتشغيل روتين التجزئة والتتبع.
1. انقر فوق تشغيل الآن لتشغيل مسار التجزئة والتتبع.
  ملاحظة: قد يستغرق ذلك عدة ساعات بناء على حجم الصورة وتعقيد النموذج ومواصفات الكمبيوتر. في عمليات التشغيل التجريبي ، استغرق تجزئة بيانات الاختبار باستخدام YeaZ_v2 حوالي دقيقتين على جهاز بدون وحدة معالجة الرسومات.
2. انقر فوق موافق لإكمال التجزئة.

7. تصحيح أخطاء التجزئة وتتبع الأخطاء

ملاحظة: بشكل عام، يشار إلى الخلايا المفقودة في الإطار الحالي مقارنة بالإطار السابق بواسطة محيط ومعرف أصفر. تظهر الخلايا المكتشفة حديثا بمعرف أحمر ومحيط سميك. يتم عرض الخلايا التي تم قبولها على أنها مفقودة بمحيط ومعرف أخضر.

انقر فوق تشغيل واجهة المستخدم الرسومية ... في النافذة الرئيسية (الشكل 1 أ ، وحدة "التصور والتصحيح").
قم بتحميل بيانات العينة.
1. انقر فوق رمز المجلد في شريط أدوات النافذة الجديدة.
2. حدد المجلد الذي يحتوي على البيانات، ثم اضغط على تحديد مجلد لتأكيد التحديد.
اختر قناة للتمثيل البصري. استخدم القائمة المنسدلة لتحديد phase_contr_preprocessed القناة، ثم حدد موافق للتأكيد.
حدد اسم قناع التجزئة. حدد تحميل محدد لتحميل ملف التجزئة الذي تم إنشاؤه في الخطوة السابقة.
قم بإنهاء عملية تحميل البيانات.
1. قم بتأكيد خصائص الصورة بالنقر فوق موافق للمواقف المحملة.
2. حدد لا لمنع تحميل بيانات التألق الإضافية.
استخدم محدد الوضع (الشكل 6، "محدد الوضع") لتحديد وضع التجزئة والتتبع .
ملاحظة: استخدم خانات الاختيار الموجودة أسفل واجهة المستخدم الرسومية (GUI) لتغيير التعليقات التوضيحية المعروضة. يمكن أن تعرض الصور اليمنى واليسرى تعليقات توضيحية مختلفة.
حدد متتبع في الوقت الفعلي. في شريط القائمة (الشكل 6 ، "شريط القوائم") ، انتقل إلى التتبع > حدد خوارزمية التتبع في الوقت الفعلي وحدد جهاز التعقب المطلوب في الوقت الفعلي. استخدم خطوات Cell-ACDC أو Cell-ACDC 2 للخميرة الناشئة أو الانقسام المتماثل Cell-ACDC للكائنات الحية الأخرى.
تصحيح التجزئة والتتبع.
1. استخدم مفتاحي السهمين الأيمن والأيسر للتنقل بين الإطارات.
2. انتقل إلى الإطار 10.
3. اضغط على المفتاح S لتنشيط أداة فصل البراعم يدويا.
4. استخدم النقر بزر الماوس الأيمن لتقسيم قناع التجزئة للخلية 1 تلقائيا.
5. انتقل إلى الإطار 14.
6. اضغط على المفتاح B لتنشيط الفرشاة.
7. ارسم قناع التجزئة المفقود للبرعم باستخدام زر الماوس الأيسر.
8. انتقل إلى الإطارات اللاحقة أثناء تصحيح أخطاء التجزئة وتتبعها. استخدم الأدوات المتاحة (الشكل 6 ، "تحرير شريط الأدوات"). صحح على الأقل حتى الإطار 42.
  ملاحظة: تحتوي معظم الأدوات على تلميح أداة يشرح وظائفها. مرر مؤشر الماوس فوق أداة لعرض تلميح الأداة.

8. التعليقات التوضيحية لدورة الخلية

ملاحظة: انتقل إلى هذه الخطوة فقط بعد الانتهاء من تصحيحات التجزئة وتعقب جميع الأطر ذات الاهتمام. استخدم وضع التعليق التوضيحي الصحيح اعتمادا على نوع انقسام الخلية (متماثل ، على سبيل المثال ، خلايا الثدييات ، أو غير متماثل ، على سبيل المثال ، الخميرة الناشئة). للحصول على بيانات العينة ، راجع "تقسيم الخلايا بشكل غير متماثل" ، الخطوة 8.1. تصف الخطوة 8.2 سير العمل العام لخلايا التقسيم المتماثل.

انقسام الخلايا بشكل غير متماثل
ملاحظة: بالنسبة للكائنات الحية مثل الخميرة الناشئة ، يمكن تخصيص البراعم للأمهات. يجب أن يكون كلا الكائنين موجودين في نفس الإطار. بشكل افتراضي ، يتم عرض مرحلة دورة الخلية المتوقعة بناء على التعليقات التوضيحية للخميرة الناشئة. يتم عرض مرحلة دورة الخلية للبراعم باللون الأحمر ، بينما يتم عرض مرحلة جميع الكائنات الأخرى باللون الأبيض. ترتبط الأمهات ببراعمهن بخط أصفر متقطع.
1. قم بتنشيط تحليل دورة الخلية باستخدام محدد الوضع (الشكل 6 ، "محدد الوضع").
2. حدد نعم، انتقل إلى الإطار 1 عندما يطلب منك ذلك.
3. استخدم مفتاحي السهمين الأيمن والأيسر للتنقل بين الإطارات.
4. انتقل إلى الإطار 41. انقر فوق موافق لقبول تهيئة جدول التعليقات التوضيحية لدورة الخلية عندما يطلب منك ذلك.
5. انقر بزر الماوس الأيمن فوق الخلية 1 أو برعمها لفصل الاتصال والتعليق على حدث انقسام الخلية.
6. استمر حتى يتم عرض جميع الإطارات ذات الصلة. تصحيح الأخطاء في تعيينات البراعم الأم التلقائية باستخدام الأدوات المتاحة (الشكل 6 ، "تحرير شريط الأدوات").
7. الأدوات المتاحة
  ملاحظة: يمكن تنشيط هذه الأدوات، باستثناء أداة Break/Rebind Mother-Bud Association ، باستخدام اختصار قابل للتخصيص، أو بالضغط على الأزرار المرتبطة في شريط الأدوات.
  1. تعيين برعم للأم (أ): قم بتنشيط أداة تعيين برعم للأم. اضغط مع الاستمرار على زر الماوس الأيمن في البراعم. اسحب إلى الخلية الأم المقابلة وحرر زر الماوس.
    ملاحظة: استخدم هذه الأداة عندما يكون التخصيص التلقائي للبراعم للأمهات غير صحيح.
  2. التعليق على سجل غير معروف (U): قم بتنشيط أداة التعليق على المحفوظات غير المعروفة . استخدم زر الماوس الأيمن للنقر على الخلية التي يجب أن تكون مشروحة على أنها تحتوي على سجل غير معروف.
    ملاحظة: استخدم هذه الأداة للتعليق يدويا على الخلايا ذات التاريخ غير المعروف ، مما يساعد على تصحيح غموض النسب حيث يكون الاستدلال التلقائي غير كاف.
  3. إعادة تهيئة التعليق التوضيحي لدورة الخلية
    ملاحظة: استخدم هذا الخيار لإعادة تشغيل خوارزمية التعليقات التوضيحية لدورة الخلية من الإطار الحالي فصاعدا. يضمن هذا الاتساق مع التصحيحات أو التحديثات الأخيرة التي تم إجراؤها على بيانات التجزئة / التتبع.
  4. كسر / إعادة ربط ارتباط البراعم الأم: تأكد من عدم اختيار أي أداة أخرى. انقر بزر الماوس الأيمن فوق زوج موجود من البراعم الأم لكسر الارتباط ، أو انقر بزر الماوس الأيمن مرة أخرى لإعادة إنشاء الاتصال.
خلايا الانقسام المتماثل
ملاحظة: هذه الميزة قيد الاختبار التجريبي وسيتم إصدارها رسميا قريبا. من الممكن تعيين خليتين أو أكثر من الخلايا الوليدة لخلية أم واحدة. الخلايا الأم المحتملة هي تلك الموجودة في الإطار السابق ولكنها غائبة في الإطار الحالي ، في حين أن الخلايا الوليدة المحتملة هي خلايا تظهر حديثا في الإطار الحالي.
1. قم بتنشيط التقسيم العادي: شجرة النسب باستخدام محدد الوضع (الشكل 6 ، "محدد الوضع").
2. حدد نعم، انتقل إلى الإطار 1 عندما يطلب منك ذلك.
3. استخدم مفتاحي السهمين الأيمن والأيسر للتنقل بين الإطارات.
4. تصحيح الأخطاء في الواجبات التلقائية للأم وابنتها باستخدام الأدوات المتاحة (الشكل 6 ، "تحرير شريط الأدوات").
5. انشر التغييرات عندما يطلب منك ذلك بالنقر فوق نشر.
6. الأدوات المتاحة
  ملاحظة: يمكن تنشيط هذه الأدوات باستخدام الاختصار أو الأزرار المعنية في شريط الأدوات.
  1. البحث عن الأم لمعرف خلية جديد (F): قم بتنشيط أداة البحث عن الأم لمعرف خلية جديد . انقر بزر الماوس الأيمن على الخلية الجديدة للتنقل بين الخلايا الأم المرشحة. Shift + انقر بزر الماوس الأيمن للتنقل للخلف عبر المرشحين.
    ملاحظة: استخدم هذه الأداة لتعيين أو تعديل أم خلية ابنة
  2. تعيين أم غير معروفة (U): قم بتنشيط أداة تعيين أم غير معروفة . انقر بزر الماوس الأيمن على الخلية التي تكون والدتها غير معروفة.
    ملاحظة: استخدم هذه الأداة لتعيين والدة الخلية يدويا على أنها غير معروفة.

9. حفظ البيانات

انتقل إلى ملف > حفظ في الشريط العلوي.
انقر فوق تعيين القياسات... لتحديد القياسات المطلوبة.
حدد مربع الاختيار بجوار مقاييس mCitrine ، أو أي قياسات أخرى مرغوبة.
انقر فوق موافق للتأكيد.
انقر فوق نعم لحفظ القياسات.
انقر فوق موافق لتأكيد الإطار الذي يجب حفظ القياسات فيه.
انقر فوق لا عندما يطلب منك ذلك بشأن تسلسل البيانات.

10. إنشاء بنية البيانات

ملاحظة: يناقش هذا القسم إعداد بيانات الفحص المجهري للتجزئة والتتبع. يمكن تخطي ذلك عند استخدام البيانات التوضيحية ، والتي يتم تنزيلها في "تنزيل بيانات العينة". يتم توضيح هيكل البيانات الذي سيتم إنشاؤه في الشكل 9.

ضع ملف (ملفات) الفحص المجهري في مجلد فارغ.
ملاحظة: يتم دعم تنسيقات الفحص المجهري مثل .czi (Zeiss) و .lif (Leica) و .nd2 (Nikon) ، بالإضافة إلى ملفات .tif الفردية و .png.
انقر فوق الوحدة 0. إنشاء بنية بيانات... في النافذة الرئيسية (الشكل 1 أ ، وحدة "إنشاء بنية البيانات").
حدد BioIO أو Fiji Macro.
1. إذا تم استخدام Windows ، فانقر على استخدام BioIO، بينما بالنسبة لمستخدمي MacOS وLinux ، اختر استخدام Fiji Macro.
  ملاحظة: في ما يلي ، يفترض أنه يتم استخدام Windows.
2. إذا طلب منك تثبيت BioIO، فاضغط على موافق للتثبيت.
3. حدد ترتيب ملف الفحص المجهري. حدد الخيار الذي يطابق ترتيب ملفات الفحص المجهري باستخدام القائمة المنسدلة ، ثم اضغط على موافق للتأكيد.
تحديد مجلدات المصدر والوجهة واستراتيجية تحميل البيانات
1. اضغط على تم للتأكد من أن الملفات موجودة في مجلد فارغ.
2. استخدم محدد المجلد الخاص ب Cell-ACDC لاختيار المجلد الذي يحتوي على الملف (الملفات).
3. اضغط على تحديد مجلد لاختيار مجلد.
4. اضغط على تحديد مجلد مرة أخرى لاختيار نفس المجلد مثل المجلد الوجهة.
  ملاحظة: لا يتم حذف ملف الفحص المجهري الخام.
5. حدد نعم، قم بتحميل الموضع بالكامل مرة واحدة.
إذا طلب منك تثبيت حزمة فرعية BioIO، فاضغط على موافق للتثبيت.
قم بتعيين البيانات الوصفية لملف الإدخال.
1. تصحيح البيانات الوصفية.
  ملاحظة: تحقق مرة أخرى من "ترتيب الأبعاد" بالنقر فوق رمز العين الصغيرة بجوار حقول اسم القناة . يتم تمييز البيانات الوصفية الأخرى التي تعذر تحميلها من الملف الأول.
2. اضغط على موافق لتأكيد البيانات الوصفية.
3. اضغط على نعم لتأكيد ترتيب الأبعاد.
انتظر حتى تنتهي العملية.
اضغط على نعم لإغلاق النافذة عند انتهاء العملية.
ملاحظة: قد يستغرق إنشاء بنية البيانات ساعات حسب حجم البيانات.

11. مرافق المعالجة المسبقة للبيانات

ملاحظة: تتوفر عدة خيارات لمعالجة الصور قبل الانتقال إلى التحليل في النافذة الرئيسية. للوصول إلى هذه الأدوات ، انتقل إلى القائمة المنسدلة الأدوات المساعدة في شريط القائمة في النافذة الرئيسية (الشكل 1 ب ، "الأدوات المساعدة") ، وقم بالتمرير فوق المعالجة المسبقة للصور ، ثم حدد الخيار الذي يجب استخدامه. مثالان هما:

دمج القنوات: استخدم هذا لدمج قناتين أو أكثر من قناتي الصور.
ملاحظة: على سبيل المثال ، يمكن حساب قناتين مضانتين في المتوسط.
تغيير حجم الصور: استخدم هذا لتقليل حجم مجموعات بيانات الصور الكبيرة جدا.
ملاحظة: يمكن أن يؤدي ذلك إلى تسريع وقت المعالجة بشكل كبير ، وفي كثير من الحالات ، يكون له تأثير ضئيل أو معدوم على جودة التجزئة.

12. استكشاف الأخطاء وإصلاحها

في حالة تعطل Cell-ACDC، قم بإنشاء تقرير خطأ في صفحة Cell-ACDC GitHub عن طريق الانتقال إلى علامة التبويب المشكلات والنقر فوق الزر الأخضر مشكلة جديدة . اتبع النموذج المقدم لتضمين جميع التفاصيل ذات الصلة اللازمة لتشخيص المشكلة وحلها. بدلا من ذلك ، لا تتردد في طلب المساعدة في منتدى image.sc باستخدام العلامة #cell-acdc أو الاتصال بأحد المؤلفين المقابلين. في كثير من الحالات ، خاصة بعد تثبيت حزمة ، قد تؤدي إعادة تشغيل البرنامج ببساطة إلى حل المشكلة.
إذا تجمد Cell-ACDC أو أصبح غير مستجيب، فتحقق من وحدة التحكم للحصول على تحديثات التقدم. تعد أوقات التجزئة الطويلة ، خاصة عند استخدام نماذج مكثفة حسابيا ، مثل الإصدار 4 من Cellpose ، أو معالجة مجموعات البيانات الكبيرة ، أمرا طبيعيا. إذا ظل Cell-ACDC غير مستجيب، ارجع إلى الخطوة 12.1 للحصول على مزيد من الإرشادات.
إذا كان التجزئة التلقائية تتضمن الخلفية بشكل غير صحيح، فتحقق مما إذا كانت خطوة المعالجة المسبقة قد أدت إلى تنعيم الخلفية بشكل مفرط. يتم تدريب العديد من نماذج التجزئة على الصور الأولية (غير المعالجة مسبقا) وقد يكون أداؤها ضعيفا عندما تفتقر الخلفية إلى نسيج كاف.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

القياس الكمي للحجم النووي في كروية الورم في 3D

يتيح الفحص المجهري الآلي ثلاثي الأبعاد (z-stacks) للعلماء تصور الأنظمة المعقدة متعددة الخلايا مثل المواد العضوية. لقياس خصائص الإشارة المورفولوجية والفلورية على مستوى الخلية الواحدة ، غالبا ما يكون تجزئة الخلية في 3D مطلوبا. يوضح المثال التالي كيف يمكن ل Cell-ACDC تقسيم النوى في العضيات التي تحتوي على آلاف الخلايا من قناة التلوين النووي وتحديد حجمها (بيانات من المرجع ⁹). تم إجراء التجزئة باستخدام نموذج Cellpose مخصص تم تدريبه ونشره في المرجع ⁹. يمكن استخدام نموذج Cellpose المدرب مباشرة في Cell-ACDC من خلال توفير مسار ملف الأوزان في واجهة المستخدم الرسومية (GUI) عند تحديد معلمات النموذج ل Cellpose v2. تم إجراء التجزئة باستخدام الوحدة الثانية من Cell-ACDC لمعالجة جميع الصور دفعة واحدة (الشكل 1 أ ، وحدة "المقطع والمسار"). بعد ذلك ، تم تصور النتيجة في واجهة المستخدم الرسومية للوحدة الثالثة (الشكل 1 أ ، وحدة "تصور وتصحيح"). تم تحسين هذه الوحدة لتصور آلاف الكائنات الفردية بخيارات تعليقات توضيحية متعددة (على سبيل المثال ، الخطوط أو أقنعة التجزئة المتراكبة أو معرفات النص). بعد حساب القياسات من الأقنعة ثلاثية الأبعاد ، تم توثيق جميع القياسات المتاحة مباشرة في واجهة المستخدم الرسومية. يمكن الوصول إليها من خلال الانتقال إلى شريط القائمة العلوي (الشكل 6 ، "شريط القوائم") ، وتحديد قائمة القياسات ، ثم تعيين القياسات .... يتيح مربع الحوار المنبثق للمستخدمين الحصول على معلومات خاصة بالقياس من أزرار المعلومات وتحديد القياسات التي تريد حفظها. بالنسبة للنتائج التمثيلية في الشكل 10 ، تم استخدام "cell_vol_fl_3D" ، وهو حجم كل كائن محسوب بضرب إجمالي فوكسل في الكائن في حجم البكسل المربع وعمق الفوكسل. يتم استخراج هذه الخصائص تلقائيا من ملف الفحص المجهري الخام أو يتم توفيرها من قبل المستخدم. يتطلب حساب القياسات من واجهة المستخدم الرسومية هذه تحميل الصور الأولية. وبالتالي ، لتبسيط العملية وتمكين معالجة الدفعات ، يمكن أيضا حساب القياسات من قائمة الأدوات المساعدة (الشكل 1 ب ، "الأدوات المساعدة") ، من خلال الانتقال إلى القائمة الفرعية قياسات ثم حساب القياسات لتجربة واحدة أو أكثر. أخيرا ، تم رسم توزيع الحجم النووي كنتيجة تمثيلية (الشكل 10). يكشف هذا التحليل عن جزء كبير من النوى الصغيرة ، على الأرجح بسبب القطع الأثرية للتجزئة. يمكن إزالتها بسهولة عن طريق تصفية الكائنات الصغيرة من قناع التجزئة. في الوقت نفسه ، يمكن أن تكون النوى الكبيرة جدا ناتجة عن النوى المدمجة أثناء التجزئة. يوصى دائما برسم توزيع حجم الكائنات (على سبيل المثال ، الخلايا المفردة) لتحديد القطع الأثرية واستخراج معلومات بيولوجية إضافية حول حجم الخلية.

القياس الكمي لبيانات الفحص المجهري بفاصل زمني

باستخدام الفحص المجهري بفاصل زمني ، يمكن ملاحظة الديناميكيات الخلوية مباشرة على مستوى الخلية الواحدة. إلى جانب تجزئة الخلية ، يتطلب استخراج الديناميكيات الزمنية تحليلا إضافيا ، بما في ذلك تتبع الخلية والتعليقات التوضيحية لنسب الخلية. نظرا للترابط بين مراحل التحليل هذه ، يمكن أن تنتشر الأخطاء التي يتم إدخالها في وقت مبكر من خط الأنابيب إلى خطوات لاحقة. نتيجة لذلك ، من الضروري التصور المستمر وتصحيح أخطاء التجزئة والتتبع والتعليقات التوضيحية. يوضح ما يلي أن Cell-ACDC مناسب لمعالجة هذه المهام. تم اختيار مجموعتين من مجموعتي بيانات من كائنين نموذجيين مختلفين: 1) الخميرة الناشئة (سلالة DCY001-1 من المرجع ³⁵ ، حيث يتم تمييز بروتينات هيستون H2B ، Htb1 و Htb2 ، ب mCitrine) ، و 2) الخلايا الجذعية الجنينية للفئران (mESCs ، بيانات من المرجع ²²).

تسلط مجموعتا البيانات هاتين الضوء على وضعين للتعليق التوضيحي المتاحين في Cell-ACDC: انقسام الخلايا غير المتماثل والمتماثل (أي الحركية الخلوية المتماثلة ، أو "الطبيعي"). نظرا لاختلاف طريقة التقسيم ، فإن الكائنين الحيين يتطلبان إطارا مختلفا للتتبع والتعليقات التوضيحية.

في الانقسام غير المتماثل ، تشكل الخلية الأم برعما ينمو وينفصل في النهاية ليصبح خلية ابنة. بعد الانقسام ، تحتفظ الخلية الأم بمعرف الخلية الأصلي ، ويزداد رقم التوليد الخاص بها بمقدار واحد ، بينما يتم تعيين معرف خلية جديد للخلية الوليدة ويتم تعيين رقم التوليد الخاص بها إلى واحد. تتوافق مرحلة التبرعم مع مراحل S / G2 / M لدورة الخلية ويتم شرحها على هذا النحو في Cell-ACDC. تساعد خيارات التعليقات التوضيحية هذه في معالجة الأسئلة البيولوجية النموذجية المتعلقة بدورة الخلية في الخميرة الناشئة.

في حالة الانقسام "المتماثل" (على سبيل المثال ، خلايا الثدييات) ، تنقسم الخلية الأم إلى خليتين ابنتيتين. تختفي الخلية الأم ، أي هويتها ، عند الانقسام ، وتتلقى الخليتان الوليدتان معرفات جديدة. بالإضافة إلى ذلك ، يزداد عدد جيل الخلايا الوليدة بمقدار واحد بالنسبة للخلية الأم. يتتبع Cell-ACDC أيضا المعرف الأصلي ومعرف الجذر (خلية السلف الأصلية في بداية النسب) والمعرف الشقيق.

بالنسبة لكلا وضعي التعليقات التوضيحية ، تم تطوير إطار عمل مبتكر لتصحيح أخطاء التعليقات التوضيحية ، حيث يتم نشر التصحيح تلقائيا إلى جميع النقاط الزمنية السابقة والمستقبلية ذات الصلة. تم إجراء التصور والتعليق التوضيحي والتصحيح في واجهة المستخدم الرسومية للوحدة الثالثة (الشكل 1 أ ، وحدة "التصور والتصحيح" والشكل 6). لتقسيم الخلايا وتتبعها في مجموعة البيانات 1 ، تم تطبيق النموذج YeaZ_v2²⁶ على قناة تباين الطور ، بينما بالنسبة للقناة النووية (هيستون) ، تم استخدام نموذج StarDist²⁵ . بعد ذلك ، باستخدام الأداة المساعدة تتبع والنسب > تتبع و / أو حساب الكائنات الخلوية الفرعية (الشكل 1 ب ، شريط قائمة الأدوات المساعدة ) ، قام Cell-ACDC بتعيين معرف الخلية لكل نواة للخلية المقابلة لها ، مما يضمن الاتساق بين الجداول التي تم إنشاؤها من أقنعة الخلية والنواة.

بالنسبة لمجموعة البيانات 2 ، تم استخدام نموذج تجزئة DeepSea²² . جميع النماذج الثلاثة متوفرة بالفعل في Cell-ACDC ، مما يعرض ميزة دمج العديد من نماذج التجزئة في البرنامج.

بمجرد تصحيح أخطاء التجزئة والتتبع ، تم شرح نسب الخلية ، وحساب السمات العددية ، وإجراء تحليل المصب. بالنسبة لمجموعة البيانات 1 ، تم رسم TaYFP_amount_autoBkgr العمود وعدد النوى المجزأة (الشكل 11 أ) مع مرور الوقت. "TaYFP" هو اسم القناة النووية. "amount_autoBkgr" هو وكيل لإجمالي كمية البروتين الخلوي المستخرجة من الصور الفلورية³⁶. يتم حسابه على أنه الفرق بين متوسط شدة التألق في كل قناع خلية ومتوسط الخلفية ، مضروبا في منطقة الخلية (بالبكسل). هنا ، يتم حساب وسيط الخلفية من جميع وحدات البكسل التي لم يتم تقسيمها كخلايا. كما هو متوقع ، تبدأ كمية H2B في الزيادة عند ظهور البراعم (الشكل 11A-ii) وتصل إلى قيمة ثابتة قبل الانقسام النووي (الشكل 11A-iii). هذا هو مراقبة الجودة المهمة في توازن بروتين هيستون ، حيث من المتوقع أن تعتمد كمية بروتينات الهيستون على دورة الخلية. بالإضافة إلى ذلك ، فإن رسم عدد النوى بمرور الوقت يؤكد أن كميات بروتين الهيستون تصل إلى الحد الأقصى تقريبا حول الانقسام النووي.

بالنسبة لمجموعة البيانات 2، تم رسم منطقة الخلية بمرور الوقت لخلية محددة تخضع لانقسام الخلية. كما هو متوقع ، تزداد مساحة الخلية حتى تصل إلى القيمة القصوى (الشكل 11B-i). ثم ينخفض حتى انقسام الخلية (الشكل 11B-ii) مع تقلص الخلية. أخيرا ، يتم إعادة تشغيل الدورة للخليتين الوليدتين. هذا تحليل آخر موصى به لأن التحقق من تغيرات حجم الخلية خلال دورة الخلية ضروري للتأكد من أن الخلايا تنمو وتنقسم كما هو متوقع (أو لا في حالة طفرات معينة).

figure-results-1
الشكل 1: وحدات الخلية-ACDC. (أ) لمحة عامة عن الوحدات الرئيسية الأربع التي يمكن إطلاقها من قاذفة الخلية الرئيسية للمجلس الأفريقي لمكافحة التنمية. بعد تجزئة بيانات الفحص المجهري وتتبعها والتعليق عليها ، يمكن حساب الميزات العددية إما من الوحدة الثالثة ("تصور وتصحيح") ، أو من (ب) قائمة الأدوات المساعدة في شريط القائمة العلوي. "الأدوات المساعدة" هي الإجراءات الروتينية التي يمكن تشغيلها تلقائيا على مجموعات بيانات متعددة دون إدخال المستخدم. إلى جانب حساب القياسات ، تشمل المرافق الأخرى تسلسل جداول الإخراج المتعددة في جدول واحد ، وتتبع الكائنات الخلوية الفرعية ، والمعالجة المسبقة للصور. يدعم Cell-ACDC بيانات 2D و 3D (z-stack أو فاصل زمني) و 4D (z-stacks بمرور الوقت) ، مع أي عدد من القنوات الإضافية. يمكن بعد ذلك استخدام جدول الإخراج مع السمات العددية للتحليل النهائي والاكتشاف البيولوجي (الشكل 10 والشكل 11). لهذا الغرض ، تتوفر دفاتر Jupyter في صفحة Cell-ACDC GitHub ، والتي تتضمن أمثلة على المخططات التي يمكن الحصول عليها من جدول الإخراج. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-results-2
الشكل 2: مخطط انسيابي لقرار Cell-ACDC. مخطط انسيابي يحدد الوحدة النمطية المراد استخدامها اعتمادا على نوع مجموعة البيانات ومتطلبات التحليل. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-results-3
الشكل 3: تنزيل بيانات المثال. (أ) دليل الترحيب المفتوح. (ب) تنزيل البيانات النموذجية المطلوبة لنسخ البروتوكول. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-results-4
الشكل 4: تحميل البيانات لإعداد البيانات. (أ) تحميل البيانات في واجهة المستخدم الرسومية لإعداد البيانات. (ب) حدد القناة المراد تحميلها. (ج) تحرير البيانات الوصفية للصور وتأكيدها. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-results-5
الشكل 5: تشغيل عملية إعداد البيانات. (أ) بدء العملية. (ب) عائد الاستثمار للموضع (للاقتصاص) وعائد الاستثمار في الخلفية. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-results-6
الشكل 6: واجهة المستخدم الرسومية للوحدة الثالثة لتصور النتائج وتصحيحها. لقطة شاشة لواجهة المستخدم الرسومية للوحدة الثالثة ("تصور وتصحيح" في الشكل 1 أ) مع العناصر المميزة. لاحظ أن معظم الأزرار الموجودة على أشرطة الأدوات تحتوي على تلميح أداة (يمكن الوصول إليه عن طريق تمرير مؤشر الماوس فوق الزر) يشرح كيفية استخدام هذه الوظيفة المحددة. يمكن استخدام محدد الوضع للتبديل بين 5 أوضاع: "العارض" و "التجزئة والتتبع" و "تحليل دورة الخلية" (للخلايا المنقسمة بشكل غير متماثل) و "التقسيم الطبيعي: شجرة النسب" (للخلايا المنقسمة بشكل متماثل ، على سبيل المثال ، خلايا الثدييات) ، و "التعليقات التوضيحية المخصصة". لاحظ أن شريط الأدوات أو شريط القوائم غالبا ما يكون موجودا في واجهات المستخدم الرسومية الأخرى (على سبيل المثال ، وحدة "المعالجة المسبقة للبيانات" ، الشكل 1). يحتوي شريط أدوات التحرير على جميع الوظائف التي يمكن استخدامها لتحرير وتصحيح أخطاء التجزئة والتتبع (على سبيل المثال، الفرشاة، والممحاة، ومعرف التحرير، وما إلى ذلك). يتم عرض الصورة التي تم تحميلها في عرض من لوحتين ، وهو أمر مفيد عند الحاجة إلى خيارات تعليقات توضيحية مختلفة (على سبيل المثال ، معلومات دورة الخلية على الصورة اليسرى والمعرفات على الصورة اليمنى). يمكن أيضا إيقاف تشغيل الصورة الصحيحة (انقر بزر الماوس الأيمن على الصورة وقم بإلغاء تحديد إظهار الصورة المعكوسة). تتضمن كل لوحة صورة شريط تمرير LUT على الجانب لضبط مستويات الشدة بسرعة. من خلال النقر بزر الماوس الأيمن على عنصر تحكم LUT ، يمكن للمستخدم تحديد خرائط ألوان مختلفة لصور الكثافة. بالإضافة إلى ذلك ، على الجانب الأيمن ، يوجد محدد LUT للون تسميات التجزئة لتتراكب على صور الكثافة (خيار التعليق التوضيحي يسمى Segm. أقنعة). على الجانب الأيسر من خيارات التعليقات التوضيحية للصورة اليسرى، توجد مفاتيح تبديل إضافية للتحكم في بعض الإعدادات، مثل الحفظ التلقائي وحجم الخط وما إلى ذلك. الرجاء النقر هنا لعرض نسخة أكبر من هذا الشكل.

figure-results-7
الشكل 7: تصور المعالجة المسبقة في واجهة المستخدم الرسومية الرئيسية. (أ) فتح حوار المعالجة المسبقة. (ب) حوار المعالجة المسبقة مع المعلمات المستخدمة في البروتوكول المهيأة. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-results-8
الشكل 8: تصور إخراج التجزئة في واجهة المستخدم الرسومية الرئيسية. (أ) حدد نموذج تجزئة. (ب) إعداد معلمات التجزئة. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-results-9
الشكل 9: بنية المجلد المطلوبة بواسطة Cell-ACDC. للعمل مع Cell-ACDC، يجب ترتيب البيانات في بنية مجلد معينة. بينما يوفر Cell-ACDC وحدة لتوليد هذا الهيكل تلقائيا ، فمن المهم فهم الشكل الذي يجب أن يبدو عليه هذا الهيكل. أولا ، يجب أن تكون جميع الملفات داخل مجلد يسمى الصور. بعد ذلك ، يحتاجون جميعا إلى البدء بنفس الاسم ، ما يسمى ب "basename_". الحد الأدنى لمجموعة الملفات المطلوبة هو ملف TIFF أحادي القناة (ثنائي الأبعاد أو ثلاثي الأبعاد z-stack أو 3D + time) وملف CSV ينتهي ب "_metadata.csv". يجب أن يكون هذا الملف جدولا يحتوي على عمودين ، العمود الأول يسمى الوصف والعمود الثاني يسمى القيم ، ويجب أن يحتوي على إدخالات على الأقل ل SizeT و SizeZ لعدد الإطارات وشرائح z ، على التوالي. إذا كان ملف الصورة لا يحتوي على شرائح z، فيجب تعيين SizeZ على 1. وينطبق الشيء نفسه على عدم وجود صور ذات فاصل زمني ، حيث يجب أن يكون SizeT 1. كونه ملف CSV ، فإن الإدخال عبارة عن سطر واحد من الوصف ، القيمة ، مفصولة بفاصلة ، على سبيل المثال ، SizeZ ، 1. بالنسبة إلى قنوات متعددة، يجب إنشاء ملف TIFF واحد لكل قناة. يجب بعد ذلك وضع مجلد الصور داخل مجلد يسمى "Position_1". يسمح بمواضع متعددة ، ويجب تسميتها برقم متتالي. عند تحميل البيانات في أي من وحدات Cell-ACDC النمطية، يمكن للمستخدم إما تحديد مجلد موضع معين أو مجلد التجربة بأكمله. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-results-10
الشكل 10: القياس الكمي ثلاثي الأبعاد للورم العضوي. لقطة شاشة لعضوية ورم تمثيلية (بيانات من⁹) تم تحميلها في واجهة المستخدم الرسومية للوحدة الثالثة من Cell-ACDC (يسار) ، ومثال على شرائح z ذات ملامح حمراء تسلط الضوء على أقنعة التجزئة (في الوسط) ، والرسم البياني لتوزيع حجم الخلية المحسوب من أقنعة التجزئة ثلاثية الأبعاد (يمين). الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-results-11
الشكل 11: التقدير الكمي لبيانات الفحص المجهري بفاصل زمني. (أ) لقطة شاشة لبيانات الفحص المجهري بفاصل زمني لخلايا الخميرة الناشئة التي تم تحميلها في واجهة المستخدم الرسومية للوحدة الثالثة من Cell-ACDC (يسار) ، وقياس كمية بروتين هيستون H2B بمرور الوقت في دورة خلية تمثيلية (يمين). تظهر الصور المكبرة مثال الخلية وبرعمها (الأسهم البيضاء) في بداية دورة الخلية (i) ، عند ظهور البراعم (ii) ، وعند الانقسام النووي (iii). البيانات مأخوذة من Chatzitheodoridou et ^al.35 (B) لقطة شاشة لبيانات الفحص المجهري بفاصل زمني للخلايا الجذعية الجنينية للفئران التي تم تحميلها في الوحدة الثالثة واجهة المستخدم الرسومية ل Cell-ACDC (يسار) ومنطقة الخلية (ميكرومتر²) المرسومة كدالة للوقت لخلية تمثيلية تخضع لانقسام الخلية. تظهر الصور المكبرة مثال الخلية وبناتها في أقصى مساحة للخلية قبل الانقسام (i) ، والانقسام إلى خليتين ابنتيتين (ii) ، وآخر إطار تم تحليله بعد الانقسام (iii). البيانات مأخوذة من Zargari et ^al.22^،³³. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

غالبا ما يتطلب تحليل بيانات الفحص المجهري متعدد الأبعاد استخدام نماذج متطورة تعتمد على الذكاء الاصطناعي. ومع ذلك ، يتم تطوير هذه الأدوات بسرعة ولها حاجز دخول كبير للاعتماد. بالإضافة إلى ذلك ، غالبا ما يحتاج علماء الأحياء إلى تصور النتيجة لتصحيح الخطأ بشكل فعال. هنا ، يتم توضيح كيف يمكن للعلماء استخدام Cell-ACDC لمواجهة هذه التحديات.

تتمثل إحدى الخطوات الحاسمة في البروتوكول المقدم في اختيار نموذج التجزئة الأمثل. يتضمن Cell-ACDC واجهة مستخدم رسومية تتيح التحديد المرئي (الشكل 1 أ ، وحدة "التصور والتصحيح"). كما يتم توفير أدوات لإعداد البيانات والمعالجة المجمعة لمجموعات بيانات متعددة (الشكل 1 أ ، إنشاء بنية البيانات ، والمعالجة المسبقة للبيانات ، ووحدات القطع والمسار ، والأدوات المساعدة). يتم تشجيع المستخدمين على الإبلاغ عن المشكلات وتقديم ملاحظات على منتدى image.sc (باستخدام العلامة #cell-acdc) أو عن طريق فتح مشكلة على صفحة Cell-ACDC GitHub.

بينما تم استخدام Cell-ACDC بالفعل على بيانات كبيرة نسبيا ، مثل الكروية في الصور التي تحتوي على آلاف النوى⁹ ، أو بيانات الفاصل الزمني للخميرة الناشئة مع مئات الخلايا لكل إطار ، يجب على البرنامج تحميل البيانات أحادية القناة بالكامل في ذاكرة الوصول العشوائي لتعمل بشكل صحيح. يوصى بحوالي ثلاثة أضعاف حجم ملف الصورة في الذاكرة المتوفرة لضمان أداء مستقر. في الوقت الحاضر ، لا يمكن معالجة مجموعات البيانات التي تتجاوز ذاكرة النظام المتاحة ، ولكن يتم التخطيط لدعم التحميل خارج النواة (البطيء) من خلال دمج OME-Zarr³⁷.

حاليا ، أحد القيود الرئيسية ل Cell-ACDC هو الدعم الجزئي لمجموعات بيانات 3D + time ، حيث تم تطوير معظم الأدوات إما لبيانات 3D z-stack أو 2D + time. وبالتالي ، فإن الإصدارات المستقبلية من Cell-ACDC ستوسع قدراتها مع الدعم الكامل لبيانات 3D + time. بالإضافة إلى ذلك ، نحن نعمل على توسيع إطار التعليقات التوضيحية لنسب الخلية للخلايا المنقسمة "بشكل متماثل" (على سبيل المثال ، خلايا الثدييات) ، وهي تلك الخلايا التي تنقسم فيها الخلية الأم إلى خليتين ابنتيتين (على عكس الخميرة الناشئة ، حيث تؤدي الخلية الأم ، مرة واحدة لكل دورة خلية ، إلى ظهور خلية ابنة واحدة من خلال مهدها). أخيرا ، اعتبارا من الآن ، يقتصر Cell-ACDC على البيانات التي تتناسب بياناتها أحادية القناة بالكامل مع ذاكرة الوصول العشوائي. لذلك ، نخطط لتنفيذ التحميل البطيء كما هو مذكور أعلاه.

منذ إصداره ، تم تحسين Cell-ACDC باستمرار ، على سبيل المثال ، عن طريق إضافة نماذج تجزئة وتتبع جديدة ، وأطر جديدة للتعليقات التوضيحية (على سبيل المثال ، لخلايا الثدييات ، قيد الاختبار التجريبي حاليا) ، وتحسينات مختلفة في الأداء. بفضل هذه التطورات ، يمكن للعلماء استخدام Cell-ACDC لتسريع البحث وتمكين الاكتشاف العلمي⁶^،⁹^،¹⁶^،³⁵^،³⁸^،³⁹^،⁴⁰^،⁴¹^،⁴²^،⁴³^،⁴⁴^،⁴⁵^،⁴⁶^،⁴⁷^،⁴⁸^، ⁴⁹. ما يجعل إطار البرنامج هذا فريدا مقارنة بالأساليب الحالية¹⁴^،²⁷^،⁵⁰^،⁵¹ هو قدرته على الاستفادة من النماذج الحالية واستكمالها ، وبالتالي الاستفادة من تطورات المجتمع. يتم الحفاظ على التطوير المستمر ل Cell-ACDC بنشاط لتأسيسه كإطار مرجعي لتحليل بيانات الفحص المجهري متعدد الأبعاد.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يعلن أصحاب البلاغ أنه ليس لديهم تضارب في المصالح.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

نشكر ماريو فيتاكولونا ورودولف روديجر على مشاركة بيانات الكرويات في الشكل 10 ، والزملاء في معهد علم التخلق الوظيفي ، باسكال فالتر براون وكارستن مار ، على المناقشات القيمة. شكر خاص للعديد من المستخدمين الذين قدموا ملاحظات لا تقدر بثمن واختبروا ميزات جديدة وأبلغوا عن المشكلات بصبر. تم تمويل هذا العمل من قبل Deutsche Forschungsgemeinschaft (DFG ، مؤسسة الأبحاث الألمانية) من خلال مشروع 416098229 ، وجمعية هيلمهولتز ، ومدرسة الأبحاث المشتركة مدرسة ميونيخ لعلوم البيانات.

Materials

List of materials used in this article
Name	Company	Catalog Number	Comments
رضيع	جوليان بيتش	10.7554/eLife.79812	يمكن تثبيت برنامج التقسيم والتتبع، اختياريا، تلقائيا باستخدام Cell-ACDC
متتبع بايزي	كريستينا أوليكنا	10.3389/fcomp.2021.734559	يمكن تثبيت برنامج تتبع اختياري تلقائيا باستخدام Cell-ACDC
سيل-ACDC	فرانشيسكو بادوفاني	10.1186/s12915-022-01372-6	برمجيات
أنوية الخط الجرثوي الخلوي	كريستينا بينتيلد؛ إيرو ل&أوكيوت؛ pez / آنا ريتا رودريغيز نيفيس / إيفانا avka	10.17912/MICROPUB. الأحياء.001062	يمكن تثبيت برنامج التقسيم اختياريا تلقائيا باستخدام Cell-ACDC
النسخة الثانية من وضع الخلية	كارسن سترينجر	10.1038/s41592-020-01018-x	يمكن تثبيت برنامج التقسيم اختياريا تلقائيا باستخدام Cell-ACDC
النسخة الثالثة من سيلبوز	كارسن سترينجر	10.1038/s41592-025-02595-5	يمكن تثبيت برنامج التقسيم اختياريا تلقائيا باستخدام Cell-ACDC
سيلبوز الإصدار 4 (سيلبوز-سام)	ماريوس باتشيتاريو	10.1101/2025.04.28.651001	يمكن تثبيت برنامج التقسيم اختياريا تلقائيا باستخدام Cell-ACDC
حاسوب	-	-	راجع المواصفات الموصى بها أدناه
الحاسوب - المعالج	أي	-	الحد الأدنى الموصى به 4 نوى، 2.5 جيجاهرتز وغير اللازم؛
الحاسوب - وحدة معالجة الرسوميات	نفيديا (مفضل)	-	(اختياري) الحد الأدنى الموصى به لذاكرة VRAM 8GB
الكمبيوتر - مساحة القرص الصلب	أي	-	4 جيجابايت + 3 x حجم ملف مجهر
الحاسوب - نظام التشغيل	مايكروسوفت، آبل، وآخرون	-	يدعم ويندوز وماك أو إس ولينكس
الكمبيوتر - ذاكرة الوصول العشوائي	أي	-	حجم ملف 3 x بموضع واحد، الحد الأدنى 16GB
ديب سي	أبولفضل زارغاري	10.1016/j.crmeth.2023.100500	يمكن تثبيت برنامج التقسيم والتتبع، اختياريا، تلقائيا باستخدام Cell-ACDC
DeLTA	جان-باتيست لوغان / أوين م. أو' كونور	10.1101/720615 / 10.1371/journal.pcbi.1009797	يمكن تثبيت برنامج التقسيم والتتبع، اختياريا، تلقائيا باستخدام Cell-ACDC
InstanSeg	ثيبو غولدزبورو	10.48550/arXiv.2408.15954	يمكن تثبيت برنامج التقسيم اختياريا تلقائيا باستخدام Cell-ACDC
مينيفورج	كوندا-فورج	-	رابط تحميل المثبت من موقع Miniforge: https://conda-forge.org/download/
أومنيبوس	كيفن كاتلر	10.1038/s41592-022-01639-4	يمكن تثبيت برنامج التقسيم اختياريا تلقائيا باستخدام Cell-ACDC
بومبسين	ماكوتو أوهيرا	10.1371/journal.pone.0291391	يمكن تثبيت برنامج التقسيم اختياريا تلقائيا باستخدام Cell-ACDC
SAM (نموذج Segment Anything)	ألكسندر كيريلوف	10.48550/arXiv.2304.02643	يمكن تثبيت برنامج التقسيم اختياريا تلقائيا باستخدام Cell-ACDC
ستارديست	أوفه شميت / مارتن ويغرت	10.1007/978-3-030-00934-2_30 / 10.1109/WACV45572.2020.9093435 / 10.1109/ISBIC56247.2022.9854534	يمكن تثبيت برنامج التقسيم اختياريا تلقائيا باستخدام Cell-ACDC
تابير	كارل دورش	10.48550/arXiv.2306.08637	يمكن تثبيت برنامج تتبع اختياري تلقائيا باستخدام Cell-ACDC
تراكاسترا	بنجامين غالوسر	https://doi.org/10.48550/arXiv.2405.1570	يمكن تثبيت برنامج تتبع اختياري تلقائيا باستخدام Cell-ACDC
تراكبي	دانيال ألان	10.5281/zenodo.1213240	يمكن تثبيت برنامج تتبع اختياري تلقائيا باستخدام Cell-ACDC
يخسمة	ديفيد بانك	10.1093/bioinformatics/btac107	يمكن تثبيت برنامج التقسيم اختياريا تلقائيا باستخدام Cell-ACDC
نعم	نيكولا ديتلر	10.1038/s41467-020-19557-4	يمكن تثبيت برنامج التقسيم والتتبع، اختياريا، تلقائيا باستخدام Cell-ACDC

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Cuny, A. P., Schlottmann, F. P., Ewald, J. C., Pelet, S., Schmoller, K. M. Live cell microscopy: from image to insight. Biophys Rev. 3, 021302(2022).
Hugelier, S., Colosi, P. L., Lakadamyali, M. Quantitative single-molecule localization microscopy. Annu Rev Biophys. 52, 139-160 (2023).
Tavakoli, M. R., et al. Light-microscopy-based connectomic reconstruction of mammalian brain tissue. Nature. 642, 398-410 (2025).
Seal, S., et al. Cell painting: a decade of discovery and innovation in cellular imaging. Nat Methods. 22, 254-268 (2025).
Robertson, M. J., Meyerowitz, J. G., Skiniotis, G. Drug discovery in the era of cryo-electron microscopy. Trends Biochem Sci. 47, 124-135 (2022).
Al-Refaie, N., et al. Fasting shapes chromatin architecture through an mTOR/RNA Pol I axis. Nat Cell Biol. 26, 1903-1917 (2024).
Ueda, H. R., et al. Tissue clearing and its applications in neuroscience. Nat Rev Neurosci. 21, 61-79 (2020).
Ko, J., Hyung, S., Cheong, S., Chung, Y., Li Jeon, N. Revealing the clinical potential of high-resolution organoids. Adv Drug Deliv Rev. 207, 115202(2024).
Vitacolonna, M., et al. A multiparametric analysis including single-cell and subcellular feature assessment reveals differential behavior of spheroid cultures on distinct ultra-low attachment plate types. Front Bioeng Biotechnol. 12, 1422235(2024).
Qian, N., Weinstein, J. A. Spatial transcriptomic imaging of an intact organism using volumetric DNA microscopy. Nat Biotechnol. , (2025).
Wallace, C. T., St. Croix, C. M., Watkins, S. C. Data management and archiving in a large microscopy-and-imaging, multi-user facility: microscopy and data management. Mol Reprod Dev. 82, 630-634 (2015).
Schindelin, J., et al. Fiji: an open-source platform for biological-image analysis. Nat Methods. 9, 676-682 (2012).
Bankhead, P., et al. QuPath: open source software for digital pathology image analysis. Sci Rep. 7, 16878(2017).
Sofroniew, N., et al. napari: a multi-dimensional image viewer for Python. Zenodo. , (2025).
Padovani, F., Mairhörmann, B., Falter-Braun, P., Lengefeld, J., Schmoller, K. M. Segmentation, tracking and cell cycle analysis of live-cell imaging data with Cell-ACDC. BMC Biol. 20, 174(2022).
Piñeiro López, C., Rodrigues Neves, A. R., Čavka, I., Gros, O. J., Köhler, S. Segmentation of C. elegans germline nuclei. microPubl Biol. , (2023).
Ohira, M., Rhind, N. pomBseen: an automated pipeline for analysis of fission yeast images. PLoS One. 18, e0291391(2023).
Goldsborough, T., et al. InstanSeg: an embedding-based instance segmentation algorithm optimized for accurate, efficient and portable cell segmentation. arXiv. , (2024).
Pietsch, J. M., et al. Determining growth rates from bright-field images of budding cells through identifying overlaps. Elife. 12, e79812(2023).
Bunk, D., et al. YeastMate: neural network-assisted segmentation of mating and budding events in Saccharomyces cerevisiae. Bioinformatics. 38, 2667-2669 (2022).
Cutler, K. J., et al. Omnipose: a high-precision morphology-independent solution for bacterial cell segmentation. Nat Methods. 19, 1438-1448 (2022).
Zargari, A., et al. DeepSea is an efficient deep-learning model for single-cell segmentation and tracking in time-lapse microscopy. Cell Rep Methods. 3, 100500(2023).
Lugagne, J. B., Lin, H., Dunlop, M. J. DeLTA: automated cell segmentation, tracking, and lineage reconstruction using deep learning. PLoS Comput Biol. 16, e1007673(2020).
Kirillov, A., et al. Segment anything. arXiv. , (2023).
Weigert, M., Schmidt, U. Nuclei instance segmentation and classification in histopathology images with StarDist. IEEE Int Symp Biomed Imaging Challenges (ISBIC). , (2022).
Dietler, N., et al. A convolutional neural network segments yeast microscopy images with high accuracy. Nat Commun. 11, 5723(2020).
Stringer, C., Pachitariu, M. Cellpose3: one-click image restoration for improved cellular segmentation. Nat Methods. 22, 592-599 (2025).
Pachitariu, M., Stringer, C. Cellpose 2.0: how to train your own model. Nat Methods. 19, 1634-1641 (2022).
Gallusser, B., Weigert, M. Trackastra: transformer-based cell tracking for live-cell microscopy. arXiv. , (2024).
Allan, D. B., Caswell, T., Keim, N. C., van der Wel, C. M., Verweij, R. W. soft-matter/trackpy: v0.6.4. Zenodo. , (2024).
Ulicna, K., Vallardi, G., Charras, G., Lowe, A. R. Automated deep lineage tree analysis using a Bayesian single cell tracking approach. Front Comput Sci. 3, 734559(2021).
Doersch, C., et al. TAPIR: tracking any point with per-frame initialization and temporal refinement. arXiv. , (2023).
Zargari, A., et al. DeepSea is an efficient deep-learning model for single-cell segmentation and tracking in time-lapse microscopy. Cell Rep Methods. 3, 100500(2023).
O'Connor, O. M., Alnahhas, R. N., Lugagne, J. B., Dunlop, M. J. DeLTA 2.0: a deep learning pipeline for quantifying single-cell spatial and temporal dynamics. PLoS Comput Biol. 18, e1009797(2022).
Chatzitheodoridou, D., Bureik, D., Padovani, F., Nadimpalli, K. V., Schmoller, K. M. Decoupled transcript and protein concentrations ensure histone homeostasis in different nutrients. EMBO J. 43, 5141-5168 (2024).
Schmoller, K. M., Turner, J. J., Kõivomägi, M., Skotheim, J. M. Dilution of the cell cycle inhibitor Whi5 controls budding-yeast cell size. Nature. 526, 268-272 (2015).
Moore, J., et al. OME-Zarr: a cloud-optimized bioimaging file format with international community support. Histochem Cell Biol. 160, 223-251 (2023).
Seshadri, A., Badrinarayanan, A. Exonuclease action of replicative polymerase gamma drives damage-induced mitochondrial DNA clearance. EMBO Rep. 26, 1385-1405 (2025).
Dengler, L., et al. When mitochondria fall apart: unbalanced mitochondrial segregation triggers loss of mtDNA in the absence of mitochondrial fusion. bioRxiv. , (2025).
Xiao, J., Turner, J. J., Kõivomägi, M., Skotheim, J. M. Whi5 hypo- and hyper-phosphorylation dynamics control cell-cycle entry and progression. Curr Biol. 34, 2434-2447.e5 (2024).
Roussou, R., et al. Real-time assessment of mitochondrial DNA heteroplasmy dynamics at the single-cell level. EMBO J. 43, 5340-5359 (2024).
Padovani, F., et al. SpotMAX: a generalist framework for multi-dimensional automatic spot detection and quantification. bioRxiv. , (2024).
Lanz, M. C., et al. Genome dilution by cell growth drives starvation-like proteome remodeling in mammalian and yeast cells. Nat Struct Mol Biol. 31, 1859-1871 (2024).
Kukhtevich, I., et al. The origin of septin ring size control in budding yeast. bioRxiv. , (2024).
Chadha, Y., Kukhtevich, I. V., Padovani, F., Schneider, R., Schmoller, K. M. Single-cell imaging reveals a key role of Bck2 in budding yeast cell size adaptation to nutrient challenges. bioRxiv. , (2024).
Seel, A., et al. Regulation with cell size ensures mitochondrial DNA homeostasis during cell growth. Nat Struct Mol Biol. 30, 1549-1560 (2023).
Schuh, L., et al. Altered expression response upon repeated gene repression in single yeast cells. PLoS Comput Biol. 18, e1010640(2022).
Kukhtevich, I. V., et al. Quantitative RNA imaging in single live cells reveals age-dependent asymmetric inheritance. Cell Rep. 41 (7), 111656(2022).
Freitag, M., et al. Single-molecule experiments reveal the elbow as an essential folding guide in SMC coiled-coil arms. Biophys J. 121, 4702-4713 (2022).
Sugawara, K., Çevrim, Ç, Averof, M. Tracking cell lineages in 3D by incremental deep learning. Elife. 11, e69380(2022).
Ershov, D., et al. TrackMate 7: integrating state-of-the-art segmentation algorithms into tracking pipelines. Nat Methods. 19, 829-832 (2022).

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

تحليل بيانات الفحص المجهري متعدد الأبعاد باستخدام Cell-ACDC

In This Article

Summary

Abstract

Introduction

Protocol

Results

Discussion

Disclosures

Acknowledgements

Materials

References

Reprints and Permissions

Tags

Related Articles