Aiptasia larvae are phenotypically validated as a model of coral bleaching using high-throughput machine-learning image analysis

珊瑚礁是地球上最充满活力且至关重要的生态系统之一，它们支撑着大量的海洋生物，并保护着海岸线免受风暴袭击。然而，这些水下城市正在消失。导致这种损失的一个主要驱动因素是一种被称为“白化”的现象，即当海水温度升高时，破坏了珊瑚动物与其体内寄生的微型藻类之间微妙的伙伴关系。这些藻类通过光合作用为珊瑚提供食物，但当水温过高时，珊瑚会将它们排出体外，从而变白并面临饥饿。为了了解如何拯救这些珊瑚礁，科学家需要准确研究这种伙伴关系是如何以及为何崩溃的。多年来，研究人员一直使用一种名为 Aiptasia 的小型海葵作为珊瑚的替代模型。虽然成年海葵很有用，但它们体积较大、不透明，且难以在不造成损伤的情况下进行大规模研究。这一局限性使得研究人员难以开展寻找解决方案所需的快速、大规模实验。

研究团队现在转向了海葵生命周期的另一个阶段：幼虫。这些微小的、透明的生物仅有头发宽度左右，且透明度极高，可以一眼看穿。研究人员发现，这些幼虫对热应激的反应与成年珊瑚非常相似，即失去体内的藻类并发生“白化”。为了证明这一点，他们将数千个幼虫置于温水中，并在几天内对其进行了观察。他们发现，在热应激发生两天内，健康的幼虫数量显著下降，到第四天时，大多数幼虫都失去了它们的藻类。这证实了这些微小、透明的幼虫是研究珊瑚-藻类关系崩溃的完美且快速生长的模型。

然而，手工计数和分析这些微小的生物极其缓慢且乏味。一张显微镜图像中可能包含数十个处于不同健康状态的幼虫，而且要判断一个藻类细胞是安全地位于幼虫组织内，还是仅仅漂浮在它的胃里，需要进行三维图像观察。针对数百张图像进行这样的工作让研究人员耗费了超过二十小时的高度专注时间。为了解决这个瓶颈，他们开发了一个名为 SYMPHONY 的新计算机程序。该工具利用人工智能来观察显微镜图像，识别每一个独立的幼虫，并在几分钟内确定其健康状况。该程序的工作原理是将 3D 图像展平为保留了辨别藻类位置所需深度信息的 2D 格式。随后，它使用一个最初设计用于识别人体组织中细胞的预训练系统来寻找幼虫，并使用第二个系统将其分类为健康、白化或难以判断的状态。

结果显示，该计算机程序能够以高准确度匹配专家的工作，约 79% 的情况下能正确识别幼虫的健康状态。更重要的是，该程序证实了人类发现的相同趋势：热应激会导致幼虫失去藻类，且热应激持续时间越长，藻类流失就越严重。虽然计算机标记了一些过于复杂而无法自动判断的图像，但它仍然为这项研究节省了研究人员超过二十小时的劳动时间。通过将微小、透明的动物模型与智能、自动化的计数方法相结合，研究人员创造了一个强大的新工具。这种方法使科学家能够快速测试数千个幼虫，为研究珊瑚如何应对热应激以及什么能帮助它们在变暖的海洋中生存开辟了道路。