[論文レビュー] Sarc-Graph: Automated segmentation, tracking, and analysis of sarcomeres in hiPSC-derived cardiomyocytes

Bill Zhao, Kehan Zhang+2 more|arXiv (Cornell University)|Feb 3, 2021

Cell Image Analysis Techniques参考文献 47被引用数 29

ひとこと要約

Sarc-Graph は、蛍光標識された hiPSC 衍生心筋細胞におけるサルコメアのセグメンテーション、トラッキング、および時空間的解析を自動化するオープンソースの計算フレームワークです。z-ディスクをノード、サルコメアをエッジとして用い、ネットワークベースの解析を可能にする空間的グラフを構築し、トラッキングされたサルコメアから平均変形勾配を計算することで細胞レベルの収縮を定量化し、不規則に動く hiPSC-CM に対しても、パラメータを最小限に抑え、高精度かつ低ユーザ調整で堅牢な解析を実現します。

ABSTRACT

A better fundamental understanding of human induced pluripotent stem cell-derived cardiomyocytes (hiPSC-CMs) has the potential to advance applications ranging from drug discovery to cardiac repair. Automated quantitative analysis of beating hiPSC-CMs is an important and fast developing component of the hiPSC-CM research pipeline. Here we introduce "Sarc-Graph," a computational framework to segment, track, and analyze sarcomeres in fluorescently tagged hiPSC-CMs. Our framework includes functions to segment z-discs and sarcomeres, track z-discs and sarcomeres in beating cells, and perform automated spatiotemporal analysis and data visualization. In addition to reporting good performance for sarcomere segmentation and tracking with little to no parameter tuning and a short runtime, we introduce two novel analysis approaches. First, we construct spatial graphs where z-discs correspond to nodes and sarcomeres correspond to edges. This makes measuring the network distance between each sarcomere (i.e., the number of connecting sarcomeres separating each sarcomere pair) straightforward. Second, we treat tracked and segmented components as fiducial markers and use them to compute the approximate deformation gradient of the entire tracked population. This represents a new quantitative descriptor of hiPSC-CM function. We showcase and validate our approach with both synthetic and experimental movies of beating hiPSC-CMs. By publishing Sarc-Graph, we aim to make automated quantitative analysis of hiPSC-CM behavior more accessible to the broader research community.

研究の動機と目的

• 不規則で無秩序なサルコメア構造を示す動く hiPSC-CM の定量的解析の課題に対処し、ドラッグスクリーニングや心筋修復研究を阻害する要因を解消すること。
• 多様な hiPSC-CM の形態や実験的条件下でも、完全に自動化され、最小限のパラメータ設定でサルコメアのセグメンテーションとトラッキングが可能なフレームワークの開発。
• 空間的グラフモデリングと平均変形勾配の計算という、新しい解析手法を導入し、hiPSC-CM における機能的多様性と機械的挙動を捉える。
• オープンソースでモジュール化されたソフトウェアを通じて、hiPSC-CM の収縮ダイナミクスに対する自動的・高スルーレット解析のアクセスを、広範な研究コミュニティに提供すること。

提案手法

• 実際の 3D z-ディスクおよびサルコメアの幾何学的形状を時間的に変化する収縮を伴って再現する合成データ生成パイプラインを用い、セグメンテーションおよびトラッキングの真値検証を可能にする。
• 強度勾配と幾何的制約を用いて、2D 蛍光顕微鏡映像から z-ディスクを検出・サルコメアをセグメンテーションするマルチスケールセグメンテーションアルゴリズムを適用。
• 空間的・時間的連続性を持つ動的実体としてモデル化することで、フレーム間のセグメント化されたサルコメアを結ぶパーティクルベースのトラッキングアルゴリズムを採用。
• z-ディスクをノード、サルコメアをエッジとする空間的グラフを構築し、ユークリッド距離およびグラフ理論的距離の両方を用いたネットワークベースの解析を可能にする。
• トラッキングされたサルコメアから平均変形勾配テンソル (Favg) を計算し、主な伸び縮みと方向性収縮を定量化することで、細胞機能の新しいバイオメカニカル記述子を提供。
• 収縮レベルで色分けされたトラッキングされたサルコメアを重ね書きする可視化ツールを統合し、正規化されたサルコメア長や主な伸び縮みなどの時系列指標を表示。

実験結果

リサーチクエスチョン

• RQ1 多様な形態や実験的条件下で、手動によるパラメータチューニングを一切必要とせずに、完全に自動化されたフレームワークが、hiPSC-CM におけるサルコメアの高精度なセグメンテーションとトラッキングを達成できるか？
• RQ2 hiPSC-CM のサルコメアの構造的混乱と不規則性を、グラフベースのモデリングを用いて、生物学的に意味のある時空間的ダイナミクスを抽出できるか？
• RQ3 トラッキングされたサルコメアから計算された平均変形勾配が、hiPSC-CM における集団的細胞収縮を堅牢に定量的記述子として果たせるか、その範囲はどの程度か？
• RQ4 平均指標を超えて、低変形または無秩序な細胞においても、アUXETIC行動や非同期収縮といった微細で機能的関連性のある収縮パターンをフレームワークが検出できるか？

主な発見

• Sarc-Graph は、1つの hiPSC-CM（E5）で最大800個のサルコメアをセグメンテーションおよびトラッキングに成功し、曲がりくねった、整列が悪い、低収縮のサルコメアを示す細胞でも高い頑健性を示した。
• すべての実験例において、5つの明確な収縮イベントを検出できた。E5 では平均変形が低く（Ciso = 0.0060）、同期性も悪かったが、微細なダイナミクスに敏感であることが示された。
• E3 では、繊維配向に対して垂直方向の収縮（アUXETIC変形）を示し、高い主な伸び縮み異方性（λ1 = 1.45、λ2 = 0.65）と高い OOP（0.48）によって裏付けられ、複雑な機械的挙動が確認された。
• E4 では、サルコメアの配列が無秩序であったが、Sarc-Graph は228個のサルコメアをトラッキングし、一貫した収縮サイクルを検出できた。これは、形態的多様性に対して高い耐性を示している。
• 空間的グラフモデルにより、ユークリッド距離およびネットワーク距離の両方を用いたネットワークベースの解析が可能となり、サルコメアの収縮タイミングの相関関係が明らかになり、機能的サブネットワークの特定が可能になった。
• 平均変形勾配（Favg）は、同じサルコメア長の変化（˜s）を示すが、オフプレーン方向の異なる配置（OOP）を持つ細胞（E1 対 E2）間の機能的差異を的確に捉えており、OOP が 0.48 対 0.29 の場合に機械的異方性に敏感であることが示された。