TileBac - an annotated ultralow-dose cryo-EM montage of bacterial membranes and flagella

为了了解细菌世界，科学家们通常需要观察细胞的最边缘。细菌是微小的单细胞生物，它们可能会在医院中造成持久的污染，或者堵塞工业管道。许多细菌，例如革兰氏阴性菌，都包裹着两层保护层：内膜和外膜。在这两层之间存在一个薄薄的空间，当细菌受到压力或抵抗抗生素时，这个空间会发生形状变化。为了清晰地观察这些脆弱的结构，研究人员使用了一种称为冷冻电子显微镜的技术。这种方法将细菌快速冻结在薄薄的一层冰中，使其保持在接近自然的状态，从而可以在不使用通常会扭曲其形状的重化学染色剂的情况下对其进行成像。然而，这里有一个难点。这些冻结的样本极其脆弱。如果用于拍照的电子束太强，会烧毁样本并破坏科学家试图观察的细节；如果电子束太弱，图像就会过于粗糙，无法辨认出那些薄膜或帮助细菌游泳的鞭毛（即鞭状尾部）。

这种微妙的平衡长期以来限制了科学家对细菌种群的了解程度。他们要么拍摄大面积的快速、低剂量图像，但细节极少；要么拍摄微小区域的高剂量图像，虽然能看到极佳的细节，却会错过宏观的全貌。由橡树岭国家实验室研究人员创建的一个名为 TileBac 的新数据集，提供了一种打破这种权衡的方法。该团队收集了一个特定细菌——生活在杨树根部土壤中的 Pantowea sp. YR343 的大规模图像库。他们通过拍摄冻结细菌的宽场全景图，然后将其切割成更小、更易处理的碎片来实现这一点。至关重要的是，他们手工标注了每一块碎片，在内膜、外膜和鞭毛周围绘制了精确的轮廓。这为计算机创造了一个训练场，使人工智能能够学习如何在即使是最粗糙、剂量最低的图像中识别出这些微弱的结构。

研究人员通过创建两组截然不同的数据来应对这一挑战，每组数据旨在教给计算机不同的知识。第一组侧重于细菌包膜。他们在极低辐射剂量（每平方埃仅 4 个电子）下拍摄了细菌的宽场图像。在这个水平下，图像噪声非常大，膜结构在肉眼看来几乎难以辨别。为了理清这些结构，团队在数千个图像块上，通过手动绘制多边形的方式勾勒出了内膜和外膜。随后，他们利用这些手绘地图训练了五种不同类型的计算机视觉模型。目标是观察机器是否能在信号极其微弱的情况下，学会区分这两层膜。结果表明，虽然有些模型表现挣扎，但其他一些模型（特别是那些旨在寻找填充区域而非仅仅是线条的模型）能够成功识别出膜结构。这证明了只要有合适的训练数据，计算机就可以学会观察那些对人类而言近乎不可见的结构。

第二部分数据集解决了细菌运动与附着的问题。细菌利用长而细的鞭毛进行游泳，这些结构对于它们如何粘附在表面至切重要。研究人员收集了带有鞭毛的细菌图像，剂量稍高一些（每平方埃 40 个电子），这仍被视为低剂量，但提供了更清晰的细节。他们还记录了这些相同视野的视频，为每张图像捕捉了 40 帧画面。这是一个强大的功能，因为它允许科学家根据自己选择的任何剂量水平来重建图像。他们可以叠加仅一帧来查看细菌在最低剂量下的样子，或者叠加全部 40 帧来查看最清晰的版本。通过在所有这些剂量下保持完全相同的细菌和位置，研究人员创建了一个完美的测试平台，用以观察计算机模型在图像质量从非常模糊变为非常清晰时的表现。

这个数据集真正独特之处在于其标注的精细程度。在以往的研究中，科学家可能只是标记了细菌所在的位置。而在这里，研究人员将内膜和外膜作为独立的实体，分别绘制了特定的形状。他们发现，内膜和外膜所包围的区域存在显著重叠，内层区域整齐地位于外层区域之内。这种精确度在公共数据库中非常罕见。团队还发现，不同的计算机模型“看待”世界的方式各不相同。一些基于 YOLO 系统的模型学会了将外膜描绘成一条非常细的线，几乎像是一个线框。而其他模型，如 U-Net 和 SAM，则学会了填充膜内的整个区域。这两种方法都是有效的，但需要不同的衡量成功的方式。研究人员指出，如果你只看模型覆盖了多少面积，那么这些细线模型看起来像是失败了；但如果你测量线条与实际边缘的接近程度，这些模型表现得非常好。这种区别至关重要，因为它告诉研究人员，必须根据他们是需要知道边界形状还是面积大小，来选择合适的工具。

该数据集还解决了大规模成像中一个常见的问题：拼接。当科学家拍摄大面积全景图时，必须将许多较小的图像组合在一起。如果计算机没有完美地对齐，图像之间的缝隙可能会直接切过一个细菌，使其看起来破碎或变形。TileBac 数据集包含了原始的大型全景图和较小的图像块，允许研究人员测试其软件在不丢失细胞完整性的情况下拼接图像的能力。他们发现，该数据集不包含重叠的细胞，这意味着它非常适合测试计算机如何分离单个细菌，但不能用于测试计算机如何处理挤在一起的细菌。这种对数据集局限性的诚实说明与数据本身一样重要，因为它能防止其他科学家得出错误的结论。

通过发布所有这些数据，连同他们训练的计算机模型以及用于分析的代码，橡树岭团队为该领域树立了一个新标准。他们证明了可以采集大面积的细菌样本，且剂量低到此前被认为由于噪声过大而无法使用的程度。他们展示了通过精细的手工标注，计算机可以学会寻找这些微弱的结构。此外，他们还提供了一个灵活的工具，让研究人员能够研究图像质量如何影响在纳米尺度上观察生命的能力。这项工作并未解决细菌成像中的所有问题，但它提供了下一代工具必不可少的基石。它让科学家能够从仅仅依赖于少数几张高质量图像，转向以统计学上的信心去分析整个细菌种群，从而为更深入地理解这些微小生物如何与其环境以及它们接触的材料进行交互打开了大门。