micromorph: a Python toolkit for measurement of microbial morphology

De auteurs presenteren micromorph, een veelzijdig Python-toolkit en napari-plugin voor het nauwkeurig meten van bacteriële morfologie uit lichtmicroscopiebeelden, dat zowel voor programmeurs als niet-programmeurs toegankelijk is en de prestaties van bestaande algoritmes overtreft.

De kern

Stel je voor dat je een microscopische wereld binnenstapt, waar bacteriën als kleine, levende bouwblokken rondzwemmen. Voor microbiologen is het cruciaal om te weten hoe groot deze blokjes zijn, hoe lang ze worden en of ze hun vorm veranderen. Het probleem? Het meten van deze piepkleine dingen is vaak een gedoe. Het is alsof je probeert de lengte van een slak te meten terwijl hij over een gladde, natte steen glijdt: als je niet precies kijkt, glijdt je meetlint eraf of meet je de verkeerde plek.

Tot nu toe moesten wetenschappers vaak zelf met de hand lijntjes trekken op hun computerschermen, of ze moesten zich aanpassen aan software die alleen maar goed werkte met één specifieke soort foto. Het was als proberen een auto te repareren met alleen een hamer: het werkt soms, maar niet voor alles.

Enter: Micromorph

In dit artikel presenteren Simone en Séamus micromorph. Je kunt dit zien als een slimme, digitale meetlat die speciaal is gebouwd voor bacteriën. Het is een computerprogramma (geschreven in Python) dat automatisch de vorm, lengte en breedte van bacteriën meet, ongeacht hoe ze eruitzien of hoe de foto is gemaakt.

Hier is hoe het werkt, vertaald naar alledaagse beelden:

1. De "Super-Bril" (Segmentatie)

Om een bacterie te meten, moet je eerst precies weten waar hij begint en eindigt. Soms zitten bacteriën in kluwens, alsof ze in een dichte menigte staan. Oude software zag dit als één grote vlek. Micromorph gebruikt echter een AI-bril (genaamd Omnipose). Deze bril kan zelfs in de drukste menigte elk individueel bacterieje uit elkaar halen, alsof een superheld elke persoon in een stadion kan zien en tellen.

2. De "Drie Manieren om te Meten"

Niet alle bacteriën zijn lang en dun zoals stokbrood. Sommige zijn rond als balletjes, andere zijn lang en krom. Micromorph heeft drie verschillende meet-methoden in zijn gereedschapskist:

• Voor de stokbrood-bacteriën: Het tekent een lijn dwars door het midden van de bacterie en meet hoe breed hij is op die lijn.
• Voor de balletjes (ronde bacteriën): Hier komt de slimste uitvinding: Measure360. Stel je voor dat je een balletje hebt en je draait eromheen terwijl je met een meetlint de breedte meet. Micromorph doet dit virtueel 360 graden om de bacterie heen. Zo weet het zeker dat hij de breedte en lengte van een ronde bacterie perfect meet, zonder dat het programma in de war raakt omdat er geen "middenlijn" is.
• Voor de rommelige foto's: Soms is de foto wazig of zit er ruis op. Micromorph is zo slim dat het de "echte" vorm van de bacterie kan reconstrueren, zelfs als de foto eruitziet als een wazige vlek. Het filtert de rommel eruit, alsof je een vieze ruit schoonmaakt om erdoorheen te kijken.

3. Voor iedereen geschikt

Het mooie aan micromorph is dat het voor iedereen is:

• Voor de niet-coders: Je kunt het gebruiken als een plug-in in een programma dat je al kent (napari). Het is als een nieuwe app op je telefoon die je met een paar klikken installeert. Je klikt, je kijkt en je krijgt je resultaten.
• Voor de programmeurs: Voor wie zelf een eigen laboratorium-robot wil bouwen, is er een API (een bouwset). Hiermee kunnen wetenschappers micromorph in hun eigen complexe onderzoeksplannen inbouwen.

Waarom is dit belangrijk?

Stel je voor dat je wilt weten of een medicijn bacteriën kleiner maakt. Als je met de oude methoden meet, kan het zijn dat je door de onnauwkeurigheid denkt dat het medicijn werkt, terwijl dat niet zo is. Of je ziet een verandering niet omdat de bacteriën in een kluwen zaten.

Met micromorph kunnen wetenschappers nu preciezer, sneller en eerlijker meten. Ze kunnen zelfs zien hoe bacteriën zich gedragen in dichte kluwens, wat voorheen onmogelijk was. Het is alsof ze van een schets op een napkin zijn gegaan naar een 3D-scanner die elke hoek en kier van een bacterie meet.

Kortom: Micromorph is de nieuwe, slimme meetlat voor de microscopische wereld. Het maakt het meten van bacteriën makkelijker, nauwkeuriger en toegankelijk voor iedereen, van de student tot de topwetenschapper.

Technische samenvatting

Probleemstelling

Het detecteren en kwantificeren van morfologische fenotypes (zoals veranderingen in celvorm en -grootte) is essentieel voor microbiologisch onderzoek om inzicht te krijgen in genfuncties en bacteriële responsen. Ondanks de vooruitgang in geautomatiseerde analyse, vereisen nauwkeurige metingen vaak nog steeds aanzienlijke gebruikersinput. Bestaande softwaretools (zoals MicrobeJ, Oufti en ChainTracer) hebben beperkingen:

• Ze zijn vaak geoptimaliseerd voor specifieke beeldvormingsmodi (bijv. fasecontrast) en minder geschikt voor andere (zoals fluorescentie).
• Ze hebben moeite met het correct scheiden van aaneengesloten cellen (chaining) of hoge celdichtheden.
• Ze bieden beperkte API's, wat integratie in aangepaste analyse-pipelines of samenwerking met moderne deep-learning-segmentatiealgoritmen bemoeilijkt.
• Er is geen native Python-software die nauwkeurige morfometrie biedt voor complexe celvormen; bestaande Python-pakketten gebruiken vaak ellipsen als proxy voor lengte en breedte, wat onnauwkeurig is.

Methodologie

micromorph is een Python-pakket ontworpen om deze lacunes op te vullen. Het biedt een flexibele workflow die zowel via een napari-plugin (voor een grafische interface) als via een gedocumenteerde Python-API (voor scripting en integratie) toegankelijk is.

De kernmethodologie omvat:

1. Segmentatie: Het pakket maakt gebruik van Omnipose, een deep-learning-algoritme voor beeldsegmentatie, om celcontouren te genereren. Gebruikers kunnen echter ook maskers importeren die gegenereerd zijn door andere tools.
2. Intensiteitsprofiel-analyse: In plaats van alleen te vertrouwen op de gefitte grens, meet micromorph intensiteitsprofielen loodrecht op de as van de cel. Het past drie verschillende fit-modellen toe afhankelijk van de beeldvormingsmodus:
   • Fasecontrastmicroscopie.
   • Fluorescentie van membraan-gestainde bacteriën.
   • Fluorescentie van bacteriën met cytoplasmatische fluorescente eiwitten.
3. Nieuwe Algoritmen voor Breedte- en Lengtemeting:
   • ShortAxis: De standaardmethode voor staafvormige cellen, waarbij een mediale as wordt bepaald en breedtes loodrecht hierop worden gemeten.
   • Measure360: Een innovatieve methode voor niet-staafvormige (bijna ronde of ovale) cellen. In plaats van een mediale as te zoeken (wat bij cirkels onmogelijk is), worden intensiteitsprofielen gemeten over 360 graden rond het zwaartepunt van de cel. De breedte en lengte worden bepaald als respectievelijk de kleinste en grootste afstand tussen pieken in dit profiel.
4. Omgaan met hoge dichtheid: Om fouten bij dicht op elkaar liggende cellen te voorkomen, past micromorph het gegenereerde masker toe op het originele beeld voordat het intensiteitsprofiel wordt gemeten. Pixels buiten de cel worden vervangen door de achtergrondwaarde, waardoor interferentie van naburige cellen wordt geëlimineerd.

Belangrijkste Bijdragen

• Eerste native Python-tool: Het is de eerste software die native in Python draait en nauwkeurige morfometrie biedt voor complexe celvormen, naadloos integreerbaar met deep-learning pipelines.
• Veelzijdigheid: Ondersteuning voor diverse beeldvormingsmodi (fasecontrast, membraanfluorescentie, cytoplasmatische fluorescentie) en celvormen (staafvormig, bolvormig, filamentvormig).
• Measure360-algoritme: Een nieuwe aanpak voor het betrouwbaar meten van breedte en lengte bij quasi-circulaire cellen, waar traditionele methoden falen.
• Gebruiksgemak en Integratie: Beschikbaar als napari-plugin voor gebruikers zonder programmeervaardigheden en als API voor geavanceerde gebruikers die aangepaste pipelines willen bouwen.

Resultaten

De auteurs hebben micromorph getest op diverse datasets, waaronder Bacillus subtilis, E. coli en Staphylococcus aureus, en met synthetische data:

• Nauwkeurigheid: De breedtemetingen waren consistent tussen de verschillende beeldvormingsmodi (verschil <30 nm). Vergelijking met "ground truth" in synthetische data toonde een hoge nauwkeurigheid aan (bijv. ~66 nm afwijking voor membraanfitting).
• Hoge Celdichtheid: In tegenstelling tot traditionele methoden die faalden bij geklonterde cellen (zoals microkolonies), slaagde micromorph er dankzij de maskering en Omnipose in om nauwkeurige metingen te doen.
• Fenotype-detectie: In een experiment met B. subtilis waarbij het gen rodA werd gemanipuleerd, slaagde micromorph erin om subtiele breedteverschillen (~100 nm) te detecteren, zelfs bij cellen met een ongewone, bolvormige morfologie. Bestaande tools (zoals MicrobeJ zonder Omnipose-maskers) faalden hierbij.
• Vergelijking: Micromorph presteerde beter dan MicrobeJ bij het meten van membraan-gestainde cellen in synthetische data, en was robuuster bij data met een laag signaal-ruisverhouding.

Significantie

micromorph vertegenwoordigt een belangrijke stap voorwaarts in de geautomatiseerde microbiologische beeldanalyse. Door de combinatie van state-of-the-art deep-learning segmentatie en geavanceerde intensiteitsprofiel-analyse, lost het de problemen op van hoge celdichtheid en complexe celvormen die andere tools niet aankan.

De beschikbaarheid als zowel een gebruiksvriendelijke plugin als een programmeerbare API maakt het toegankelijk voor een breed publiek, van experimentele microbiologen tot bio-informatici. Het stelt onderzoekers in staat om grootschalige, onbevooroordeelde morfologische datasets te analyseren en te integreren in geavanceerde workflows, zoals live-imaging en spatiotemporale dynamiekstudies. De introductie van de Measure360-methode opent bovendien nieuwe mogelijkheden voor het bestuderen van coccoid (bolvormige) bacteriën, een gebied dat eerder moeilijk te kwantificeren was.