[論文レビュー] Nellie: Automated organelle segmentation, tracking, and hierarchical feature extraction in 2D/3D live-cell microscopy

Austin E.Y.T. Lefebvre, Gabriel Sturm+5 more|arXiv (Cornell University)|Mar 20, 2024

Cell Image Analysis Techniques被引用数 5

ひとこと要約

Nellie は、ユーザーフレンドリーな Napari GUI を備えた、2D/3D のライブセル顕微鏡像における細胞内構造のセグメンテーション、追跡、およびマルチスケール特徴抽出を自動化するメタデータ適応パイプラインを提示します。

ABSTRACT

The analysis of dynamic organelles remains a formidable challenge, though key to understanding biological processes. We introduce Nellie, an automated and unbiased user-friendly pipeline for segmentation, tracking, and feature extraction of diverse intracellular structures. Nellie adapts to image metadata, eliminating user input. Nellie's preprocessing pipeline enhances structural contrast on multiple intracellular scales allowing for robust hierarchical segmentation of sub-organellar regions. Internal motion capture markers are generated and tracked via a radius-adaptive pattern matching scheme, and used as guides for sub-voxel flow interpolation. Nellie extracts a plethora of features at multiple hierarchical levels for deep and customizable analysis. Nellie features a point-and-click Napari-based GUI that allows for code-free operation and visualization, while its modular open-source codebase invites extension by experienced users. We demonstrate Nellie's wide variety of use cases with three examples: unmixing multiple organelles from a single channel using feature-based classification, training an unsupervised graph autoencoder on mitochondrial multi-mesh graphs to quantify latent space embedding changes following ionomycin treatment, and performing in-depth characterization and comparison of endoplasmic reticulum networks across different cell types and temporal frames.

研究の動機と目的

• 生物学的プロセスを理解するための動的細胞小器官の自動化かつ偏りのない分析を促進する。
• セグメンテーション、追跡、特徴抽出においてユーザー入力を最小化するメタデータ適応型パイプラインを開発する。
• スケールを跨いだサブ細胞小器官構造を捉える頑健な階層的セグメンテーションを実現する。
• 可視的でコード不要のインターフェース（Napari ベース）と、拡張性を持つモジュラーオープンソースコードベースを提供する。

提案手法

• 階層的セグメンテーションを可能にするため、細胞内スケール全体で構造対比を高める前処理。
• 半径適応パターンマッチングにより内部運動マーカーを生成・追跡し、サブボクセル流れ補間を導く。
• 細胞小器官の複数の組織レベルにわたる階層的セグメンテーションと特徴抽出。
• 複数レベルでの特徴抽出により、深い・カスタマイズ可能な解析をサポート。
• コード不要の操作と可視化のための Napari ベースのポイント・アンド・クリック GUI と、拡張のためのオープンソースのモジュラーコードベース。

実験結果

リサーチクエスチョン

• RQ1 Nellie は、2D および 3D のライブセル顕微鏡法において、ユーザー入力なしで多様な細胞内小器官を自動的にセグメントし追跡できますか？
• RQ2 メタデータ適応前処理は、異なる撮像条件下でセグメンテーションの頑健性をどれだけ効果的に向上させますか？
• RQ3 多層（階層的）特徴は、分類、クラスタリング、ネットワークベースの表現などの下流解析を改善しますか？
• RQ4 内部運動マーカーとサブボクセル流れ補間は、混雑した細胞環境での追跡精度を向上させますか？
• RQ5 提供されたユースケース（小器官のアンミックス、ミトコンドリアグラフ上のグラフオートエンコーダ、ER ネットワークの比較）は、Nellie の多様な細胞タイプと時間的フレームに対する汎用性を代表していますか？

主な発見

• Nellie は、画像メタデータに関するユーザー入力を必要とせず、自動かつ偏りのないセグメンテーション、追跡、および階層的特徴抽出を提供します。
• 前処理と半径適応追跡は、スケールと構造を跨いだ頑健なセグメンテーションと運動検出をもたらします。
• デモンストレーションには、単一チャネルからの細胞小器官の特徴ベースのアンミックス、ミトコンドリアグラフ上の教師なしグラフオートエンコーダによるイオノマイシン後の潜在的変化の定量化、細胞タイプと時間を跨ぐ ER ネットワークの比較が含まれます。