利用仿生图像分析重建多样细菌群落的谱系树森林
计算机视觉与模式识别
2017-06-23 v1 定量方法
摘要
细胞分割与追踪使我们能够从细菌延时细胞影片中提取大量细胞属性，从而促进直至单细胞水平的生物过程计算建模与模拟。然而，为了成功分析复杂的细胞影片——即对多个相互作用的细菌克隆在生长和合并以产生视野中包含数千个细胞的过度拥挤细菌群落进行成像——分割结果需要近乎完美才能保证良好的追踪结果。我们在此引入一种全自动的闭环仿生计算策略，利用关于菌落谱系树预期结构的先验知识来定位并纠正所分析影片帧中的分割错误。我们证明这种纠正策略是有效的，能够改善细胞追踪效果，进而得到可靠的深层菌落谱系树。我们的图像分析方法具有独特的能力，即使在影片中克隆亚群合并后仍能继续追踪细胞。这使得重建不断演化的多克隆细菌群落的完整谱系树森林表示成为可能。此外，分割纠正后从图像分析中提取的有效细胞轨迹百分比几乎翻倍。从复杂细胞影片分析中提取的这些可靠数据，使单细胞分析成为解决人类健康迫切问题的工具，例如在不忽略可能塑造它的细胞间相互作用和微环境效应的情况下，理解单细胞随机性在抗生素耐药性中的作用。
引用
@article{arxiv.1706.07359,
title = {Reconstructing the Forest of Lineage Trees of Diverse Bacterial Communities Using Bio-inspired Image Analysis},
author = {Athanasios D. Balomenos and Elias S. Manolakos},
journal= {arXiv preprint arXiv:1706.07359},
year = {2017}
}