徠卡顯微鏡全自動跟蹤葉綠體的伊樂藻葉細胞4??D圖像資料
2020-09-03 14:39:13
移動的三維結構在活細胞中的全自動化跟蹤代表，是典型生物的圖像數據的分析幾個挑戰。 以從活伊樂藻葉片細胞葉綠體4D圖像數據作為一個例子，我們展示新的方法來應對這些挑戰（圖1）。 葉綠體是令人驚訝的動態的細胞器：它們廣泛地移動整個細胞，它們經常分割或保險絲，其形狀變化而不斷。 葉綠體動態的更詳細的了解需要葉綠體販運，分裂和融合的可靠量化。 我們使用SP5共聚焦顯微鏡（Leica Microsystems CMS GmbH）與雙通道圖像伊樂活葉細胞。 自動熒光用于跟蹤葉綠體和細胞壁是由反射檢測。
圖1：原來的4D數據堆棧（左圖）和三維重建單一時間點（右圖）的代表性部分。葉綠體顯示為綠色，在細胞壁中的紅色或暗綠色。
方法
*個挑戰是信號從葉綠體和背景噪音始發之間的可靠分離。 Autoadaptive策略被用來計算適當的閾值。 第二個挑戰是個人葉綠體的檢測和從緊鄰的其他葉綠體的分離。 我們發現潛在的葉綠體種子和聘請當地的閾值和形狀的標準，同時保持它們與相鄰的葉綠體種子分離（圖2），依次種植這些種子。
圖2：被代表的中間步驟的思想探析，以說明主要策略。
葉綠體在3D檢測，使體積測量和形狀參數的評估。 第三個挑戰是葉綠體中隨時間的跟蹤。 個別葉綠體需要遵循整個4D數據，以便設置為從緊密的空間接近度葉綠體，在下一時間幀鄰居之間的形態相似性，并依次增加的搜索范圍，以確保*佳的連接（圖3）。
圖3：插圖choroplast跟蹤的方法。 葉綠體在接下來的時間內聯系到自己*親近的neigbour。 的搜索范圍被連續地增加。
結論
我們表明，從4D圖像數據在伊樂藻葉片細胞葉綠體的全自動跟蹤是可能使用Definiens的網絡認知技術。 我們有信心，我們采用的策略是很容易適用于許多其他生物圖像分析任務。