A deep learning framework for quantitative analysis of secretory granule morphology using Star Dist
Dit artikel presenteert een reproduceerbaar, op StarDist gebaseerd deep learning-framework geïmplementeerd in QuPath dat hoog-doorvootsnelheid, geautomatiseerde segmentatie en morfometrische analyse van *Drosophila* speekselklier-secretiegranules mogelijk maakt, waarbij een superieure nauwkeurigheid en sensitiviteit wordt geboden vergeleken met conventionele methoden terwijl de biologische validiteit behouden blijft.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Binnen de cellen van levende wezens vindt een constante, vitale stroom van pakketjes plaats. Cellen produceren eiwitten en andere materialen, verpakken deze in piepkleine, door membranen omgeven containers die secretiegranula worden genoemd, en laten ze vervolgens op het juiste moment buiten de cel vrij. Dit proces, bekend als gereguleerde exocytose, is hoe cellen communiceren, voedsel verteren en weefsels opbouwen. Om te begrijpen hoe dit leveringssysteem werkt, kijken wetenschappers vaak naar de fruitvlieg, Drosophila melanogaster. Specifiek bestuderen zij de speekselklieren van larven van deze vlieg. Deze klieren zijn een perfect laboratorium omdat de cellen, naarmate de larve groeit, synchroon een enorme hoeveelheid van deze granula produceren, waardoor de cel ermee wordt gevuld voordat ze allemaal tegelijk worden vrijgegeven. Door te observeren hoe deze granula van grootte en vorm veranderen naarmate ze rijpen, kunnen onderzoekers achterhalen welke genen en eiwitten verantwoordelijk zijn voor het verpakkings- en vrijgaveproces.
Decennialang hebben wetenschappers geprobeerd deze minuscule granula te meten om te zien hoe ze groeien. Ze weten dat nieuwe granula heel klein beginnen, ongeveer één vierkante micrometer in oppervlakte, en groter worden, om uiteindelijk zestien vierkante micrometer te bereiken voordat ze klaar zijn om te worden vrijgegeven. Het tellen en meten ervan met de hand is echter uiterst moeilijk. De granula zitten zo dicht op elkaar gepakt dat ze eruitzien als een overvolle kamer vol mensen, wat het moeilijk maakt om te zien waar de één ophoudt en de ander begint. Wanneer onderzoekers probeerden handmatig te tellen, moesten ze vaak slechts een heel klein deel van de cel bekijken om niet overweldigd te raken, wat betekende dat ze de kleinste of meest ongewone granula wellicht zouden missen. Deze beperking liet gaten achter in hun begrip van hoe deze cellulaire pakketjes worden gemaakt en rijpt.
Een team van onderzoekers van de Fundación Instituto Leloir in Argentinië heeft nu een nieuwe manier ontwikkeld om dit probleem op te lossen. Zij hebben een computerprogramma ontwikkeld dat deze granula automatisch kan vinden en meten, zelfs wanneer ze dicht op elkaar gepakt zitten of sterk in grootte variëren. In plaats van te vertrouwen op eenvoudige helderheidsniveaus om objecten te scheiden, wat vaak misgaat wanneer objecten elkaar raken, gebruikten zij een geavanceerd type kunstmatige intelligentie genaamd StarDist. Dit hulpmiddel is ontworpen om vormen te herkennen die min of meer rond of sterachtig zijn, wat perfect overeenkomt met het uiterlijk van deze biologische granula. De onderzoekers bouwden een systeem dat draait op een gratis, open-source software genaamd QuPath, waardoor wetenschappers precies kunnen zien wat de computer doet en fouten kunnen corrigeren, wat ervoor zorgt dat de resultaten biologisch accuraat zijn.
Om hun nieuwe methode te testen, trainden het team de computer met afbeeldingen van de speekselkliercellen van de fruitvlieg. Ze leerden het programma om granula te herkennen in normale cellen, evenals in cellen waar de granula door genetische veranderingen ongewoon klein of ongewoon groot waren. Ze vergeleken vervolgens het werk van de computer met de tijdrovende handmatige tellingen van deskundige biologen. De resultaten toonden aan dat het geautomatiseerde systeem veel superieur was. Het kon granula die elkaar raakten veel beter van elkaar scheiden en mat hun vormen en groottes met grotere precisie. Belangrijker nog, de computer kopieerde niet simpelweg de menselijke tellingen; het vond veel meer granula, vooral de zeer kleine granula die mensen vaak misten omdat ze te moeilijk te zien of te talrijk waren om individueel te tellen.
Door deze nieuwe aanpak te gebruiken, waren de onderzoekers in staat te bevestigen wat al bekend was: granula worden inderdaad groter naarmate ze rijpen. Maar de kracht van het nieuwe instrument lag in wat het eerder verborgen hield aan het licht bracht. Omdat de computer de gehele cel kon analyseren zonder moe te worden of bevooroordeeld te raken, onthulde het een populatie kleine granula die in eerdere studies ondervertegenwoordigd waren. Dit suggereert dat de vroege stadia van granulaformatie complexer of gevarieerder kunnen zijn dan voorheen werd gedacht. De studie demonstreert dat deze geautomatiseerde workflow niet alleen sneller en schaalbaarder is, maar ook gevoeliger, waardoor wetenschappers het volledige beeld van cellulaire activiteit kunnen zien zonder de beperkingen van het menselijk oog.
De onderzoekers benadrukken dat hun doel niet was om menselijk oordeel te vervangen, maar om een hulpmiddel te bieden dat het ontdekkingsproces grondiger maakt. Door dit systeem beschikbaar te stellen aan andere wetenschappers zonder dat zij een expert in programmeren hoeven te zijn, hopen zij het onderzoek naar hoe cellen hun interne logistiek beheren te versnellen. Het werk laat zien dat deep learning, wanneer toegepast op specifieke biologische problemen, details kan onthullen die er altijd al waren, maar simpelweg te moeilijk te zien waren. Dit nieuwe kader biedt een duidelijke, reproduceerbare manier om de levenscyclus van secretiegranula te bestuderen, wat de deur opent naar een dieper begrip van de moleculaire mechanismen die gereguleerde exocytose in levende organismen aansturen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.