在这里, 我们提供了一个工作流, 可以根据其3维形状识别健康和病理细胞。我们描述了使用基于3D 表面的2D 投影轮廓的过程来训练自组织地图, 该图将提供调查的细胞种群的客观聚类。
免疫细胞的外观和运动由其环境驱动。作为对病原体侵袭的反应, 免疫细胞被招募到炎症部位, 并被激活以防止入侵的进一步传播。这也反映在行为的变化和免疫细胞的形态外观。在癌组织中, 小胶质细胞的行为中观察到类似的 morphokinetic 变化: 肿瘤内小胶质缺乏复杂的3维形状, 分枝细胞过程较少, 移动速度比健康组织。对此类 morphokinetic 特性的检验需要复杂的3D 显微技术, 这在纵向执行时非常有挑战性。因此, 一个细胞的静态3D 形状的记录是简单得多, 因为这不需要活体测量, 也可以在切除组织进行。然而, 必须拥有能够快速准确描述3D 形状的分析工具, 并允许基于静态、形状相关信息的健康和致病性组织样本的诊断分类。在这里, 我们提出了一个工具包,通过自组织地图分析3D 细胞表面的一组2D 投影的轮廓的离散傅里叶分量。人工智能方法的应用使我们的框架能够了解各种细胞形状, 因为它适用于越来越多的组织样本, 而工作流程仍然很简单。
及时、简单、准确地测定生物组织的病理状态是生物医学研究的最高兴趣。鼠标模型提供了一种方法来研究一系列的病理条件, 如免疫反应或癌症发展, 结合复杂的3D 和 4D (3 空间维度和时间) 显微技术。显微学研究可以通过活体或切除组织2光子显微术, 光片显微镜, 并-到有限的组织深度约100µm-通过共聚焦显微镜。为了在生理或病理条件下对细胞的行为有时间相关的信息, 有必要在长时间内监测组织, 这通常需要活体成像1,2.自然, 这种技术的适用性仅限于动物模型, 因为它的侵袭性。非侵入性技术也可用于人类应用, 包括各种层析成像方法 (冷漠, CT等), 但这些方法都缺乏必要的空间, 通常是时间分辨率来研究细胞水平的行为。
通过在切除的组织样本上执行的各种3D 成像技术, 可以更轻松地获取有关细胞外观的静态信息。在这里, 细胞的动力学行为没有被测量, 因此有必要采用新的分析技术, 能够确定检测细胞的致病状态仅基于其形态学3。这种方法被用来连接细胞形状和组织纹理与病理行为4,5,6。
在这里描述的新技术中, 细胞被重建为3D 表面, 它们的形状通过3 维-2 维投影和连续傅里叶基外围形状分析7,8。通过将尺寸从3降低到 2, 简化了问题。也可以通过应用球面谐波分析来表征3D 的细胞表面, 因为它已经在医学图像9中完成了。然而, 球面谐波不能很好地处理锋利和崎岖的形状, 需要在单位球体上建立多尺度网格。此外, 必要的球面谐波分量的数量可以是大 (50-70), 与基础计算非常苛刻和结果难以解释10,11,12。
通过我们新提出的方法, 将任务简化为一系列2D 形状描述, 其中2D 投影的数量由分析人员决定, 可根据3D 形状的复杂性进行调整。投影是通过在3D 动画工具内运行的 Python 脚本自动生成的。2D 投影由其周边的离散傅里叶变换 (DFT) 分量描述, 由斐济13插件计算, 该组件作为我们软件包的一部分提供。在这里应用 DFT, 以便将细胞的复杂轮廓分解成一系列的罪和 cos 函数。通过这种方式, 我们可以用相对较少的 DFT 分量来描述轮廓, 从而减少问题的复杂性 (有关详细信息, 请参阅方程式部分)。DFT 组件被放入经过训练的自组织映射 (SOM14) 中, 其中形状簇的存在可以客观地测试8。SOMs 提供来自人工智能领域的竞争性和无监督学习工具。它们由一组相互连接的人工神经元组成,通过加权邻域距离函数相互通信。神经元系统响应输入数据集的第一个元素, 其响应最强的神经元 “分组” 接近彼此。随着神经系统接收到越来越多的输入, 重复响应的数据神经元在系统中形成了良好定义的集群。在以一组 DFT 组件形式包含2D 形状信息的大型数据集进行适当培训之后, 任何单个单元格的 dft 组件都可以放入经过训练的 SOM 中, 并显示该单元格是否可能属于健康或致病细胞组。我们期望这种工具成为科学和临床诊断方法的一个很好的补充。
使用小而完整的组织样本鉴定潜在的病理条件是非常重要的。这种技术将确保及时应对传染性疾病和积极类型的癌症。各种免疫细胞的动力学和形态学反应,如小胶质和巨噬细胞, 是机体免疫反应的特征。虽然在大多数情况下, 它是不实际的或甚至可能监测这些细胞的动力学行为, 它是相当简单的获取3维图像来检索它们的形状。通常, 免疫细胞在健康组织中具有复杂的形状, 并且在发炎或癌变条件下更简单的形式18。虽然这种形状变化的时间依赖性特征会增加我们对免疫反应发展的理解, 但仅使用具有代表性的细胞组的3D 形状也足以确定健康或病理性质的组织。
表征单元格的3维表面不是一个简单的任务。球面谐波的应用是一种表示3D 表面的方法, 其元件数量 (50-70) 相对较大 (11、12)。此外, 确定球面谐波是计算昂贵的;将非常复杂的形状投射到单位球体上是不可能或非常困难的, 因为需要在单位球体上应用各种细度的多个网格;最后, 对球面谐波分量的谱进行有意义的解释远非微不足道。
在我们这里介绍的工作中, 我们用更简单的方法来替代直接3D 表面分析的困难任务, 使用原始表面的2D 投影来获得足够的形态学信息来识别病理条件。我们通过使用髓细胞的3D 显微数据来演示这个工作流程的每一步, 同时清楚地指出所有步骤都是简单完成的, 而生成的2维地图很容易解释。
自然地, 3 d 至 2 d 投影将导致表面结构的信息丢失。在我们的示例小胶质细胞的数据集在鼠标皮质肿瘤模型, 这是足够使用六角度, 当创建2D 投影。但是, 更复杂的形状或不太明显的形态学变化可能要求创建更多的投影, 以便能够可靠地识别与 SOM 的单元子组。因此, 我们的方法旨在能够生成和分析任意数量的预测。只需为更复杂的形状选择更高的投影数, 就可以将信息损失扩展到可容忍的最小值。例如,图 4a和4b中的交互单元格类型需要较大数量的投影才能正确表示复杂曲面。
作为任何近似方法, 特此建议的工作流程必须对照小胶质细胞18手动分类过程的结果进行测试。前面的结果证实了自动化工作流程的可靠性。此外, 与常规分析相比, 工作流更有时间效率。对小胶质细胞进行手动分类的医学专家需要大约4周的时间来分析数据集, 而我们的工作流程只需要大约1天。我们的方法的稳健性也清楚地证明了经过训练的 SOM 对属于同一单元类型但不用于训练 som 的数据子集的重现性, 如图 3c所示。
尽管我们的方法没有考虑动力学信息, 但我们研究了时序对基于 DFT 的形状分析的影响。在移动细胞种群中发现了与时间相关的行为的最典型的例子, 在这种情况下, 更高索引的 DFT 组件的贡献明显可见, 如图 4a所示。这就需要注意在处理可能以非常耗时的方式行为的像元类型时使用足够多的 DFT 分量的重要性。由于我们的软件工具具有自动化的特性和高的执行速度, 因此 DFT 组件和投影的数量增加将提高结果的精确度和可靠性, 同时它们不会显著地阻碍计算性能。
The authors have nothing to disclose.
作者感谢本杰明. 克劳斯的卓有成效的讨论和他的支持。作者还感谢罗伯特 Günther 对活体细胞显微术的帮助。
这项工作得到了注册护士和陈竺的金融支持 NI1167/3-1 (吉米) 的支持, 金融支持 CRC 1278 PolyTarget 项目 Z01 陈竺, C01 在 TRR130 注册护士和 SFB633, TRR130, Exc257 A.E.H. 和 J.B.S。BfR 为卡斯特乔治四叶查尔斯 K 和 A.L. 提供了校内支持 SFP1322-642
Imaris 9.1.2, software | Bitplane, Zürich, Switzerland | v.9.1.2 | 3D image reconstruction and surface generation; this was used by us! |
Blender 2.75a, software | https://www.blender.org/ | v.2.75a | 3D and 4D open source animation software; 2.75a is the required version for this Python |
Fiji /ImageJ, software | https://fiji.sc/ | ImageJ v.1.52b | Open source multi-D image analysis toolkit |
MATLAB | MathWorks, www.mathworks.com | R2017b | General computational mathematical software |
MATLAB Machine Learning kit | MathWorks, www.mathworks.com | R2017b | Can only be used together with MATLAB |
Fiji plugins: SHADE | https://github.com/zcseresn/ShapeAnalysis | v.1.0 | |
Fiji plugins: ActiveContour | http://imagejdocu.tudor.lu/doku.php?id=plugin:segmentation:active_contour:start | absnake2 | |
Computer | Any | NA | See Imaris instructions for minimum computer requirements |