[论文解读] Computational Motility Tracking of Calcium Dynamics in Toxoplasma gondii

Mojtaba S. Fazli, Stephen A. Vella+2 more|arXiv (Cornell University)|Aug 1, 2017

Toxoplasma gondii Research Studies参考文献 8被引用 7

一句话总结

本文提出了一种基于光流和密集轨迹特征的计算分析流程，用于追踪钙信号刺激下弓形虫（*Toxoplasma gondii*）的运动行为。结果表明，Ca²⁺通量可诱导出螺旋形、环形和旋转等特征运动模式，为未来药物靶点发现中的致病性相关动力学提供了定量分析基础。

ABSTRACT

Toxoplasma gondii is the causative agent responsible for toxoplasmosis and serves as one of the most common parasites in the world. For a successful lytic cycle, T. gondii must traverse biological barriers in order to invade host cells, and as such, motility is critical for its virulence. Calcium signaling, governed by fluctuations in cytosolic calcium (Ca2+) concentrations, is utilized universally across life and regulates many cellular processes, including the stimulation of T. gondii virulence factors such as motility. Therefore, increases in cytosolic calcium, called calcium oscillations, serve as a means to link and quantify the intracellular signaling processes that lead to T. gondii motility and invasion. Here, we describe our work extracting, quantifying and modeling motility patterns of T. gondii before and after the addition of pharmacological drugs and/or extracellular calcium. We demonstrate a computational pipeline including a robust tracking system using optical flow and dense trajectory features to extract T. gondii motility patterns. Using this pipeline, we were able to track changes in T.gondii motility in response to cytosolic Ca2+ fluxes in extracellular parasites. This allows us to study how Ca2+ signaling via release from intracellular Ca2+ stores and/or from extracellular Ca2+ entry relates to motility patterns, a crucial first step in developing countermeasures for T. gondii virulence.

研究动机与目标

• 开发一种稳健的自动化系统，用于在活细胞时间序列显微成像中追踪弓形虫的运动行为。
• 量化由药物或胞外Ca²⁺诱导的胞质Ca²⁺波动如何改变寄生虫的运动模式。
• 建立一个计算框架，能够提取并分析包括平动速度和角速度在内的动态运动特征。
• 通过在密集轨迹数据上应用机器学习方法，实现对运动类型的未来分类，以解析致病机制。
• 将该流程推广应用于其他运动型寄生虫（如疟原虫的卵囊虫和子孢子）

提出的方法

• 采用基于KLT的特征追踪器，在时间序列显微图像中对胞外弓形虫进行稀疏目标追踪。
• 整合光流与密集轨迹特征，以捕捉超越点追踪的运动动力学信息。
• 从追踪轨迹中提取运动统计量，包括平动速度与角速度。
• 利用四维可视化（时间、x、y、荧光强度）关联Ca²⁺荧光信号与运动事件及药物添加时间点。
• 设计可扩展的数据处理流程，基于Python实现，未来可通过PySpark或Flink在HDFS上实现分布式处理。
• 将轨迹数据建模为高而瘦的矩阵（对象 × 帧），以支持高效分布式分析与矩阵分解。

实验结果

研究问题

• RQ1 胞质内Ca²⁺浓度的Ca²⁺波动如何改变胞外弓形虫的运动模式？
• RQ2 弓形虫在Ca²⁺刺激下表现出哪些不同的运动表型（如螺旋形、环形、旋转）？
• RQ3 与稀疏特征追踪相比，密集轨迹特征与光流是否能提供更鲁棒、更丰富的运动分析？
• RQ4 如何将计算追踪流程推广至其他具有相似运动动力学的运动型寄生虫？
• RQ5 在运动过程中，Ca²⁺荧光强度与平动速度及角速度的变化之间存在何种关系？

主要发现

• 基于KLT的追踪器实现了对弓形虫运动的可靠追踪，支持与人工追踪结果的定量比较。
• 添加Ca²⁺后，所有追踪寄生虫的荧光强度均显著升高，证实了Ca²⁺通量的成功诱导。
• 四维可视化清晰揭示了Ca²⁺添加事件与运动动力学变化之间的时序相关性。
• 基于平动速度与角速度分布，识别并量化了三种典型运动模式：螺旋形、环形与旋转。
• 密集轨迹特征被证明是稀疏KLT追踪的有力替代方案，可更全面捕捉运动动力学。
• 该流程在理论上具备可扩展性，可通过PySpark或Flink等分布式计算框架适配大规模数据分析。