Autofluorescence intensity patterns encode α/β cell identity in human islets

Resumo Técnico: Padrões de Intensidade de Autofluorescência Codificam a Identidade de Células α/β em Ilhotas Humanas

Definição do Problema
A identificação confiável de células α e β pancreáticas em ilhotas humanas intactas é crítica para o estudo da fisiologia das ilhotas e da patogênese do diabetes. Os métodos atuais, que são o padrão-ouro, como a imuno-histoquímica, exigem a fixação celular e são destrutivos, o que impede a análise de células vivas. Estratégias alternativas para células vivas frequentemente dependem de repórteres codificados geneticamente, o que exige manipulação exógena e pode alterar os estados celulares nativos. Embora a Microscopia de Imagem de Tempo de Vida de Fluorescência de Dois Fótons (2PM-FLIM) tenha emergido como uma ferramenta poderosa e não invasiva, ela requer instrumentação especializada e protocolos de aquisição complexos. Abordagens anteriores de aprendizado de máquina multimodais, combinando intensidade de autofluorescência com parâmetros de tempo de vida de fluorescência, alcançaram uma discriminação moderada (AUC = 0,86), mas permanecia não resolvido se a informação espacial de intensidade isoladamente — sem dados de tempo de vida — seria suficiente para uma discriminação robusta de tipos celulares.

Metodologia
O estudo apresenta uma reanálise computacional retrospectiva de um conjunto de dados experimental de ilhotas humanas vivas previamente publicado. O fluxo de trabalho isola o componente de intensidade espacial das imagens de autofluorescência, descartando deliberadamente a informação de tempo de vida da fluorescência (FLIM).

• Curadoria de Dados: O conjunto de dados compreendeu 1.271 imagens de células únicas (634 células β e 605 células α) derivadas de microscopia de dois fótons (excitação a 740 nm, emissão de 420–460 nm). As células foram segmentadas manualmente, e células com sobreposição (sobreposição de área >10%) foram excluídas. As imagens foram padronizadas para uma tela de 150×150 pixels.
• Extração de Características: Um vetor de características de 60 dimensões foi extraído de cada imagem, consistindo em:
  • Características Morfológicas (40 dimensões): Incluindo 22 descritores de forma clássicos, 7 momentos de Hu transformados em logaritmo (invariantes à rotação) e 11 descritores de Fourier.
  • Características de Textura (20 dimensões): Quantificadas usando histogramas de Padrão Ternário Local 2 Invariante à Rotação (RIU2) de Local Ternary Pattern (LTP) para capturar a heterogeneidade da intensidade intracelular em escala fina.
• Pipeline de Aprendizado de Máquina: O conjunto de dados foi dividido em 80% para treinamento e 20% para teste retido. Nove classificadores (incluindo Regressão Logística, SVMs, Random Forest, LightGBM e XGBoost) foram otimizados usando ajuste de hiperparâmetros Bayesiano dentro de um esquema de validação cruzada estratificada de 5 dobras. Aumentação de dados (rotação e reflexão) foi aplicada para garantir invariância geométrica. Estratégias de ensemble (votação e stacking) também foram avaliadas.
• Interpretabilidade: O modelo final foi analisado por meio de Importância de Característica por Permutação, Gráficos de Dependência Parcial (PDPs) e Explicações de Shapley (SHAP) para identificar os drivers biológicos da classificação.

Principais Resultados

• Desempenho de Classificação: O framework proposto baseado apenas em intensidade alcançou uma AUC média da Curva ROC de 0,92 ± 0,02 para o ensemble de "Votação de todos os modelos", superando significativamente o benchmark multimodal anterior de 0,86. O modelo de Máquina de Gradiente de Luz (LGBM), selecionado por sua parcimônia, apresentou desempenho estatisticamente comparável aos ensembles complexos.
• Robustez: O modelo demonstrou alta estabilidade sob testes de estresse envolvendo rotações e reflexões aleatórias de imagens, com quedas de desempenho permanecendo abaixo de um ponto percentual e sem diferenças estatisticamente significativas observadas.
• Importância das Características: As análises de interpretabilidade revelaram que as previsões foram impulsionadas predominantemente pela organização da intensidade intracelular em escala fina (especificamente as características de textura LTP) em vez da morfologia global.
  • O LTP Upper Pattern 7 emergiu como o preditor dominante. Seu valor mostrou uma relação forte e não linear, sigmoide, com a probabilidade de uma célula ser uma célula β.
  • Características secundárias incluíram descritores morfológicos como Profundidade Máxima de Defeito e Autovalor de Inércia 1, mas sua contribuição foi marcadamente inferior à das características de textura.
• Correlação Biológica: A dependência de características de textura alinha-se com a observação biológica de que as células β possuem uma abundância maior de grânulos ricos em lipofuscina em comparação com as células α. Esses grânulos criam padrões de intensidade intracelular heterogêneos que os descritores LTP capturam de forma eficaz.

Significância e Alegações
O artigo afirma que os padrões de intensidade de autofluorescência endógena contêm informação estrutural suficiente para uma discriminação confiável de células α/β sem a necessidade de informações de tempo de vida de fluorescência. Este achado apoia uma rota mais simples e biologicamente interpretável para a identificação prospectiva de células sem uso de rótulos (label-free).

Os autores enfatizam que, embora o método simplifique o fluxo de trabalho de aquisição ao remover a necessidade de hardware e processamento de FLIM, os resultados são específicos para as condições de aquisição do conjunto de dados utilizado (microscopia de dois fótons). O estudo não alega aplicabilidade imediata para diferentes configurações ópticas ou conjuntos de dados de intensidade apenas adquiridos independentemente; a validação prospectiva em tais conjuntos de dados é necessária para estabelecer a transferibilidade. Além disso, a associação entre os padrões de textura identificados e os grânulos de lipofuscina permanece uma interpretação de características derivadas de imagem, exigindo futura validação por imagem correlativa ou validação experimental direcionada para confirmação molecular.

Em resumo, este trabalho demonstra que a organização da intensidade espacial, e não apenas a morfologia global ou os dados de tempo de vida metabólica, codifica a identidade celular em ilhotas humanas, oferecendo um caminho potencial para a análise mais acessível e sem rótulos da fisiologia das ilhotas.