Cilia SubQ, a modular suite of pipelines for automated analysis of primary cilia and ciliary subdomains

De auteurs presenteren Cilia SubQ, een modulaire suite van pipelines voor ZEISS arivis Pro die gebruikmaakt van het machine-learningmodel Cilia.AI om primaire cilia en hun subdomeinen snel, reproduceerbaar en met minimale handmatige tussenkomst te segmenteren en te kwantificeren, waardoor de analysetijd met ongeveer een factor acht wordt verkort.

De kern

De "Cilia SubQ": Een Slimme Robot die Korte Antennes Meet

Stel je voor dat elke cel in ons lichaam een klein, haarachtig antenne heeft. Dit heet een primair cilium (meervoud: cilia). Deze antennes zijn cruciaal: ze voelen de wereld om hen heen, zoals een radar die windrichting of geuren detecteert. Als deze antennes kapot gaan of niet goed werken, kunnen er ernstige ziektes ontstaan.

Het probleem voor wetenschappers is dat deze antennes ontzettend klein zijn (kleiner dan een mensenhaar) en er zijn er duizenden in één foto. Ze te meten en te tellen met de hand is als proberen alle druppels regen in een storm te tellen met een lepel: het duurt eeuwen, het is saai, en je maakt makkelijk fouten.

De auteurs van dit paper hebben een oplossing bedacht: Cilia SubQ.

Wat is Cilia SubQ eigenlijk?

Je kunt Cilia SubQ zien als een slimme, robotische assistent die werkt op de computer van de wetenschapper. Het is geen één ding, maar een gereedschapskist vol met verschillende automatische programma's (pijplijnen) die elk een specifiek deel van de cilium-analyse doen.

Hier is hoe het werkt, vertaald in alledaagse taal:

1. De Slimme Camera (Cilia.AI)

De basis van het systeem is een kunstmatige intelligentie genaamd Cilia.AI.

• Hoe het werkt: Stel je voor dat je een kind leert een hond te herkennen. Eerst laat je het kind veel foto's van honden zien, en je zegt: "Kijk, dit is een hond." Als het kind een kat aanwijst, zeg je: "Nee, dat is een kat."
• In de praktijk: De onderzoekers hebben de computer duizenden foto's van cilia getoond en handmatig gemarkeerd waar de cilia zaten. De computer (Cilia.AI) heeft hierdoor geleerd om cilia te herkennen, zelfs als ze krom, kort of lang zijn.
• Het resultaat: Waar een mens er uren over doet om cilia te tellen in een foto, doet de robot dit in seconden. En het is 8 keer sneller dan de mens!

2. De Speciale Gereedschappen (De SubQ Pipelines)

De robot kan niet alleen de hele antenne zien, maar ook de kleine onderdelen. De onderzoekers hebben speciale "modules" gemaakt voor elk belangrijk stukje:

• De Basis (Basal Body & Daughter Centriole):

  • Analogie: Elke antenne zit op een stevige paal in de grond. Soms zijn er twee paaltjes naast elkaar (de moeder en de dochter).
  • De tool: De SubQ_BB_DC module zoekt naar deze paaltjes. Het kan zelfs zien welk paaltje de "moeder" is en welke de "dochter", zelfs als ze heel dicht bij elkaar staan. Dit helpt om te zien of de basis van de antenne gezond is.

• De Poortwachter (Transition Zone):

  • Analogie: Tussen de paal en de antenne zit een poort. Alleen bepaalde mensen (eiwitten) mogen erdoor. Als deze poort kapot is, komen er verkeerde mensen binnen en gaat de antenne niet werken.
  • De tool: De SubQ_TZ module zoekt naar deze poort. Het is heel klein en lastig te zien, maar de robot kan precies meten hoeveel "poortwachters" er zijn en hoe groot de poort is.

• De Top (Ciliary Tip):

  • Analogie: Aan het uiteinde van de antenne gebeurt het echte werk. Hier worden signalen verwerkt.
  • De tool: De SubQ_CT module kijkt naar het uiteinde. Het kan zelfs onderscheid maken tussen signalen die echt op het uiteinde zitten en ruis in de buurt.

3. De Bewegingsfilm (Kymograph)

Cilia bewegen niet alleen, ze vervoeren ook kleine vrachtwagens (eiwitten) naar boven en naar beneden.

• Analogie: Stel je een trein voor die over een brug rijdt. Je wilt weten hoe snel hij gaat.
• De tool: De SubQ_Kymo module maakt een soort "bewegingsfilm" (een kymogram) van de antenne. Hierdoor kunnen wetenschappers zien of de vrachtwagens (IFT) snel genoeg gaan of vastlopen.

Waarom is dit zo'n grote doorbraak?

Vroeger moesten onderzoekers urenlang door foto's scrollen, met een muisje rondjes trekken om de antennes te meten. Dat was:

1. Traag: Je kon maar weinig foto's per dag doen.
2. Bevooroordeeld: Als je moe was, telde je misschien minder.
3. Onnauwkeurig: Je kon kleine onderdelen makkelijk missen.

Met Cilia SubQ gebeurt dit nu automatisch. De wetenschapper hoeft alleen nog maar te controleren of de robot het goed heeft gedaan (zoals een chef-kok die de sous-chef controleert).

• Snelheid: Het is 8 keer sneller.
• Betrouwbaarheid: De robot maakt geen vermoeidheidsfouten.
• Beschikbaar: De beste nieuws is dat de onderzoekers hun "gereedschapskist" (de software en instructies) gratis beschikbaar hebben gesteld voor iedereen. Iedereen kan het downloaden en gebruiken.

Samenvatting in één zin

De onderzoekers hebben een slimme, gratis software-suite gebouwd die het saaie, handmatige werk van het meten van microscopisch kleine cel-antennes overneemt, zodat wetenschappers zich kunnen focussen op het begrijpen van ziektes in plaats van op het tellen van pixels.

Technische samenvatting

Probleemstelling

Primair cilia zijn kleine, antenne-achtige organelen die cruciaal zijn voor celcommunicatie, embryonale ontwikkeling en weefselhomeostase. Disrupties in deze structuren leiden tot ciliopathieën. De analyse van primaire cilia en hun specifieke subdomeinen (zoals het basaal lichaam, de overgangszone en de ciliaire punt) is echter zeer tijdrovend, repetitief en vatbaar voor gebruikersbias.

• Uitdagingen: De submicron-afmetingen van deze structuren maken handmatige metingen lastig. Bestaande geautomatiseerde tools zijn beperkt tot het meten van de volledige ciliumlengte of intensiteit, maar missen vaak de capaciteit om specifieke subdomeinen nauwkeurig en onbevooroordeeld te segmenteren en te kwantificeren, zowel in gezonde als pathologische condities.

Methodologie

De auteurs hebben Cilia SubQ ontwikkeld, een modulaire suite van pipelines gebouwd op het ZEISS arivis Pro platform, ondersteund door een nieuw machine learning-model genaamd Cilia.AI.

1. Cilia.AI (Machine Learning Model):

   • Training: Het model is getraind op een breed scala aan datasets (MEF-cellen, RPE-1 cellen, menselijke huidfibroblasten en muis hersenweefsel) met diverse ciliaire morfologieën (kort, lang, gebogen, gefragmenteerd) en signaalpatronen.
   • Validatie: Het model is getraind met expert-handmatige annotaties van ARL13B-positieve cilia. Na 35 rondes training (32 versies van het model) werd Cilia.AI v32 gebruikt.
   • Filtering: Om fouten te minimaliseren, worden twee filterstappen toegepast na AI-segmentatie: een object-functiefilter (om kleine ruis te verwijderen) en een feedbackstap die selecties beperkt tot objecten in de nabijheid van het basale lichaam.

2. Modulaire Pipelines (SubQ):
   De suite bestaat uit specifieke pipelines voor verschillende subdomeinen, die allemaal Cilia.AI als uitgangspunt gebruiken:

   • SubQ_BB_DC: Detecteert en onderscheidt het basale lichaam (basal body) en de dochtercentriool (daughter centriole) op basis van centraosomale markers (bijv. γ-tubuline of Centrin-2).
   • SubQ_TZ: Segmenteert de overgangszone (transition zone) door markers zoals AHI1 of TMEM67 te koppelen aan de proximale kant van de cilium, gebruikmakend van een "blob finder" en afstandsfilters.
   • SubQ_CT: Identificeert de ciliaire punt (tip) door markers zoals KIF7 of IFT81 te detecteren en niet-ciliaire signalen te filteren op basis van afstand tot het basale lichaam.
   • SubQ_Length: Exporteert geselecteerde cilia naar FIJI voor skeletalisatie en lengtemetingen.
   • SubQ_Kymo: Een script voor het genereren van kymogrammen uit live imaging-video's om intraflagellair transport (IFT) dynamiek te visualiseren.

3. Validatie en Statistiek:
   De pipelines zijn gevalideerd op onbekende datasets door vergelijking met handmatige annotaties van experts. Statistische analyses omvatten t-tests, Wilcoxon-tests en Friedman-tests om de nauwkeurigheid van detectie, intensiteit en oppervlakte te beoordelen.

Belangrijkste Bijdragen

• Cilia.AI: Een robuust AI-model dat primaire cilia detecteert met een succespercentage van >90% (tot >97% met minimale correcties) over verschillende celtypen en weefsels, inclusief muis hersenweefsel.
• SubQ Suite: De eerste modulaire suite die niet alleen de volledige cilium, maar ook de basale lichaam/dochterscentriool, overgangszone en ciliaire punt geautomatiseerd kwantificeert.
• Efficiëntie: De pipelines verminderen de analysetijd met ongeveer 8-voud ten opzichte van handmatige analyse, terwijl de nauwkeurigheid behouden blijft.
• Open Beschikbaarheid: Alle pipeline-bestanden, scripts, video-tutorials en trainingsdata zijn openbaar beschikbaar via het Open Science Framework (OSF), wat reproduceerbaarheid en aanpassing aan andere onderzoekers mogelijk maakt.

Resultaten

• Detectieprestaties: Cilia.AI bereikte een gemiddelde detectiesnelheid van 90% of hoger voor primaire cilia in MEFs, RPE-1 en menselijke fibroblasten zonder handmatige correctie. Met minimale correcties steeg dit naar ~97%.
• Subdomein-analyse:
  • Basale Lichaam/Dochtercentriool: De pipeline identificeerde correct 92,6% van de basale lichamen in MEFs en 82,4% in RPE-1 cellen (met Centrin-2).
  • Overgangszone (TZ): Voor AHI1 werd 99,5% correct gedetecteerd zonder correctie; voor TMEM67 (moeilijker te segmenteren) werd na minimale correctie 98,75% bereikt.
  • Ciliaire Punt (CT): De pipeline bereikte een succespercentage van 82,45% (KIF7) en 83,05% (IFT81).
• Kwantitatieve Overeenkomst: Er waren geen statistisch significante verschillen tussen AI-gemeten fluorescentie-intensiteiten en handmatige metingen voor alle geteste markers (ARL13B, GPR161, γ-tubuline, Centrin-2, AHI1, TMEM67, KIF7, IFT81).
• Biologische Validatie: De AI-pijplijnen konden biologische veranderingen detecteren, zoals de afname van GPR161-niveaus in cilia na behandeling met SAG (een SMO-agonist), wat overeenkwam met handmatige analyses.
• Tijdsbesparing: De totale analyse tijd (van import tot data-export) werd met een factor 7,5 tot 8 verkort.

Betekenis en Impact

Cilia SubQ vult een cruciale leemte in de ciliaire research door een hoogdoorvoersysteem te bieden dat specifiek is ontworpen voor de complexe subdomeinen van primaire cilia.

• Reproduceerbaarheid: Door het gebruik van gestandaardiseerde pipelines en AI, wordt gebruikersbias gereduceerd en wordt data vergelijkbaarder tussen laboratoria.
• Toepasbaarheid: De suite is flexibel en kan worden aangepast aan verschillende markers en celtypen, inclusief complexe in vivo weefsels (zoals muis hersenweefsel), hoewel hier nog enige handmatige controle nodig is.
• Toekomstperspectief: Het platform maakt het mogelijk om grote datasets te analyseren voor het bestuderen van ciliopathieën, ciliaire signaaltransductie (zoals SHH) en transportdynamica (IFT) met een snelheid en nauwkeurigheid die handmatige analyse niet kan evenaren.

Samenvattend biedt Cilia SubQ een krachtig, open en modulair ecosysteem voor de next-generation kwantificatie van primaire cilia, wat essentieel is voor het versnellen van ontdekkingen op het gebied van ontwikkelingsbiologie en ziektemechanismen.