【資料圖】
2022年8月5日，中國科學院生物物理研究所徐濤課題組，胡俊杰課題組與計算技術研究所肖立團隊在《Journal of Cell Biology》雜志上合作發表了題為“DeepContact: High throughput quantification of membrane contact site based on electron microscopy imaging”的方法學（Tools）文章，針對二維電鏡數據開發了一種基于深度學習的細胞器互作高通量統計分析方法，DeepContact。
近十幾年來，細胞器互作位點（membrane contact site, MCS）得到了生物學領域的廣泛關注。MCS是膜性細胞器之間形成的由蛋白復合體介導的動態物理相互作用，在信號轉導，脂類運輸，細胞器形態重構等方面起到關鍵作用。然而，因缺乏高效的MCS統計量化工具，細胞器互作領域的發展受到嚴重限制。MCS熒光顯微成像因過表達熒光指示系統而引發不可避免的人為干擾因素。電子顯微鏡可獲取高分辨率細胞器全景圖像，適于挖掘納米尺度多種細胞器相互作用的定量信息。基于深度學習的高分辨三維體電鏡數據細胞器互作分析方法已然建立起來，但此類前沿方法對設備，機時，算力要求高，而生物樣本多具有高異質性，三維體電鏡難于滿足統計相關性分析的樣本量需求。基于手動分割的大樣本量二維電鏡數據分析可以得出生物學功能相關性結論，但方法在耗費巨大人力的同時無法排除人為主觀判斷的影響。
DeepContact工作流程
DeepContact通過語義分割算法預測二維電鏡圖片中的不規則ER網絡的整體特征，運用實例分割算法預測形狀規則細胞器形態特征，可分割量化細胞器形態參數，并通過提取細胞器邊緣信息進一步量化特定細胞器間距上的MCS比率信息。可進行無標記輔助的準確、靈活、直觀、全面的可視化和統計量化結果輸出，并可通過主動學習方法將新細胞器形態高效的擴展到細胞器預測模型中。
DeepContact可滿足細胞器互作與生物醫學功能相關性分析的需求。具備高通量樣本分析能力以及組織內特異細胞類型分析能力，可擴展應用于細胞器互作網絡的相關性研究、以及醫學超微病理學研究。
中國科學院生物物理研究所徐濤院士、胡俊杰研究員，計算技術研究所肖立副研究員為本共同通訊作者。徐濤院士課題組博士后劉麗清，肖立團隊碩士研究生楊樹鑫為文共同第一作者。計算技術研究所碩士研究生劉陽和生物物理研究所生物成像中心李喜霞高級工程師參與了本項工作。電鏡制樣和數據收集工作得到了生物物理所生物成像中心相關工作人員的大力支持和幫助。本項目得到國家自然科學基金委員會項目，科技部重點研發計劃和中國科學院戰略重點研究計劃支持。
文章鏈接：https://rupress.org/jcb/article/221/9/e202106190/213379/DeepContact-High-throughput-quantification-of?searchresult=1
（供稿：徐濤研究組）
標簽：
