A deep learning framework for quantitative analysis of secretory granule morphology using Star Dist
Cet article présente un cadre d'apprentissage profond reproductible, basé sur StarDist et implémenté dans QuPath, qui permet une segmentation et une analyse morphométrique automatisées à haut débit des granules sécrétoires des glandes salivaires de *Drosophila*, offrant une précision et une sensibilité supérieures par rapport aux méthodes conventionnelles tout en préservant la validité biologique.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
À l'intérieur des cellules des êtres vivants, il existe un trafic constant et vital de paquets. Les cellules fabriquent des protéines et d'autres matériaux, les emballent dans de minuscules conteneurs entourés d'une membrane appelés granules de sécrétion, puis les libèrent à l'extérieur de la cellule lorsque le moment est venu. Ce processus, connu sous le nom d'exocytose régulée, est la manière dont les cellules communiquent, digèrent la nourriture et construisent des tissus. Pour comprendre comment ce système de livraison fonctionne, les scientifiques étudient souvent la drosophile, Drosophila melanogaster. Plus précisément, ils étudient les glandes salivaires de la larve de mouche. Ces glandes constituent un laboratoire parfait car, à mesure que la larve grandit, ses cellules produisent de manière synchrone une quantité massive de ces granules, remplissant la cellule avant de les libérer tous d'un coup. En observant comment ces granules changent de taille et de forme au fur et à mesure de leur maturation, les chercheurs peuvent déterminer quels gènes et quelles protéines sont responsables du processus d'emballage et de libération.
Pendant des décennies, les scientifiques ont tenté de mesurer ces minuscules granules pour voir comment ils grandissent. Ils savent que les nouveaux granules commencent très petits, environ un micromètre carré en surface, et grandissent pour atteindre finalement quinze micromètres carrés avant d'être prêts à être libérés. Cependant, compter et mesurer ces objets à la main est incroyablement difficile. Les granules sont si étroitement serrés qu'ils ressemblent à une pièce bondée de monde, ce qui rend difficile la distinction entre la fin de l'un et le début de l'autre. Lorsque les chercheurs tentaient de les compter manuellement, ils devaient souvent n'examiner qu'une infime tranche de la cellule pour ne pas être submergés, ce qui signifiait qu'ils pouvaient manquer les granules les plus petits ou les plus inhabituels. Cette limitation a laissé des lacunes dans leur compréhension de la manière dont ces paquets cellulaires sont fabriqués et mûris.
Une équipe de chercheurs de la Fundación Instituto Leloir en Argentine a maintenant développé une nouvelle façon de résoudre ce problème. Ils ont créé un programme informatique capable de trouver et de mesurer automatiquement ces granules, même lorsqu'ils sont entassés ou qu'ils varient considérablement en taille. Au lieu de s'appuyer sur de simples niveaux de luminosité pour séparer les objets, ce qui échoue souvent lorsque les choses se touchent, ils ont utilisé un type sophistiqué d'intelligence artificielle appelé StarDist. Cet outil est conçu pour reconnaître des formes approximativement rondes ou en forme d'étoile, ce qui correspond parfaitement à l'apparence de ces granules biologiques. Les chercheurs ont construit un système qui fonctionne sur un logiciel gratuit et open-source appelé QuPath, qui permet aux scientifiques de voir exactement ce que fait l'ordinateur et de corriger les erreurs, garantissant ainsi l'exactitude biologique des résultats.
Pour tester leur nouvelle méthode, l'équipe a entraîné l'ordinateur en utilisant des images de cellules de glandes salivaires de mouches. Ils ont appris au programme à reconnaître les granules dans des cellules normales, ainsi que dans des cellules où les granules étaient inhabituellement petits ou inhabituellement grands en raison de changements génétiques. Ils ont ensuite comparé le travail de l'ordinateur par rapport aux comptages manuels laborieux réalisés par des biologistes experts. Les résultats ont montré que le système automatisé était bien supérieur. Il pouvait séparer les granules qui se touchaient bien mieux que les anciennes méthodes, et mesurait leurs formes et tailles avec une plus grande précision. Plus important encore, l'ordinateur ne s'est pas contenté de copier les comptes humains ; il a trouvé beaucoup plus de granules, en particulier les très petits que les humains manquaient souvent parce qu'ils étaient trop difficiles à voir ou trop nombreux pour être comptés individuellement.
En utilisant cette nouvelle approche, les chercheurs ont pu confirmer ce qui était déjà connu : les granules grandissent effectivement en devenant plus volumineux à mesure qu'ils mûrissent. Mais la puissance du nouvel outil résidait dans ce qu'il a révélé de ce qui était auparavant caché. Parce que l'ordinateur pouvait analyser l'ensemble de la cellule sans se fatiguer ni être biaisé, il a mis au jour une population de granules minuscules qui étaient sous-représentés dans les études précédentes. Cela suggère que les premières étapes de la formation des granules pourraient être plus complexes ou variées que ce que l'on pensait auparavant. L'étude démontre que ce flux de travail automatisé est non seulement plus rapide et plus évolutif, mais aussi plus sensible, permettant aux scientifiques de voir l'image complète de l'activité cellulaire sans les limitations de l'œil humain.
Les chercheurs soulignent que leur objectif n'était pas de remplacer le jugement humain mais de fournir un outil qui rend le processus de découverte plus approfondi. En mettant ce système à la disposition d'autres scientifiques sans exiger qu'ils soient des programmeurs experts, ils espèrent accélérer l'étude de la gestion de la logistique interne des cellules. Ce travail montre que l'apprentissage profond, lorsqu'il est appliqué à des problèmes biologiques spécifiques, peut révéler des détails qui étaient toujours là mais simplement trop difficiles à voir. Ce nouveau cadre offre une manière claire et reproductible d'étudier le cycle de vie des granules de sécrétion, ouvrant la voie à une compréhension plus profonde des mécanismes moléculaires qui pilotent l'exocytose régulée dans les organismes vivants.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.