ProGroTrack：深度学习辅助的细胞内蛋白质生长动态追踪
定量方法
2023-05-30 v1 人工智能
图像与视频处理
摘要
对细胞与亚细胞结构及其动态的准确追踪，在理解生物系统潜在机制中起着关键作用。本文提出一种新方法 ProGroTrack，其在基于检测的追踪（DBT）框架内结合 You Only Look Once (YOLO) 与 ByteTrack 算法来追踪细胞内蛋白质纳米结构。以 iPAK4 蛋白纤维作为代表性案例研究，我们对 YOLOv5 与 YOLOv8 模型进行了全面评估，揭示 YOLOv5 在我们的数据集上性能更优。值得注意的是，YOLOv5x 取得了令人印象深刻的 mAP50 0.839 与 F-score 0.819。为进一步优化检测能力，我们引入半监督学习以改进模型，使所有指标性能均提升。随后，我们成功将该方法应用于追踪 iPAK4 蛋白纤维的生长行为，揭示其两个不同生长阶段与先前报道的动力学模型一致。本研究展示了我们的方法超越 iPAK4 纤维的有前景潜力，也为活细胞中动态过程的精确追踪带来显著进展，并促进生物医学研究的新途径。
引用
@article{arxiv.2305.17183,
title = {ProGroTrack: Deep Learning-Assisted Tracking of Intracellular Protein Growth Dynamics},
author = {Kai San Chan and Huimiao Chen and Chenyu Jin and Yuxuan Tian and Dingchang Lin},
journal= {arXiv preprint arXiv:2305.17183},
year = {2023}
}