利用在合成显微图像上训练的模型对密集多物种细菌菌落进行分割

微生物感染的传播受控于细菌在表面上的自组织。活体成像技术的局限性使得量化临床相关系统中的集体行为具有挑战性。在此，我们开发了用于细菌菌落高保真单细胞分割的新型实验和图像分析技术。基于机器学习的分割模型仅使用合成显微图像进行训练，这些图像通过最先进的图像到图像转换方法进行处理以看起来逼真，无需生物物理建模。对于常见致病细菌的密集单物种菌落和多物种菌落，即使在次优成像条件下，且对于明场和共焦激光扫描显微镜，均实现了准确的单细胞分割。所得数据为细菌在软表面上的自组织提供了定量见解。得益于其高适应性和相对简单的实现方式，这些方法有望极大地促进对不同环境中细菌感染的定量描述。