据麦姆斯咨询报道，近日，东南大学集成电路学院、电子科学与工程学院朱真教授课题组在酿酒酵母单细胞复制衰老寿命图像分析算法方面取得了重要进展。该研究结合计算机视觉和神经网络算法，应用在高通量微流控芯片所得到的大批量时序显微图像分析上，成功实现了对酵母细胞增殖衰老过程中细胞出芽、解剖事件的识别和复制寿命的自动化精准分析。相关成果以题目为“A computer vision and residual neural network (ResNet) combined method for automated and accurate yeast replicative aging analysis of high-throughput microfluidic single-cell images”的学术论文发表在国际期刊Biosensors and Bioelectronics（影响因子：12.6）上。
酿酒酵母细胞（Saccharomyces cerevisiae）作为衰老寿命研究的理想模型，其复制寿命（Replicative Lifespan, RLS）一直是研究的关键生理指标。微流控芯片因其微型集成、精确可靠等优势，是酵母细胞复制寿命检测的新型研究平台。但现有的单细胞图像分析算法与软件无法满足微流控芯片大批量酵母细胞时序图像的高效快速自动化分析需求，尤其是难以分析专用捕获结构内的细胞时序图像及其动态特征。
针对上述问题，该研究结合计算机视觉和基于18层残差神经网络（ResNet）算法，利用微流控芯片上细胞捕获阵列的特点，采用形态学处理方法对时序图像进行偏移修正和单细胞图像分割，然后对捕获结构内的酵母细胞进行特征识别并提取出芽和子细胞剪切事件，并依此实现细胞周期记录和复制寿命统计。该算法针对母细胞的捕获和死活状态、子细胞的出芽方向、芽的大小进行标注，并建立残差神经网络对数据集进行训练，利用Adam优化算法增加网络迭代速度，测试集评估的F1 scores高达92%，可以实现对酿酒酵母出芽状态特征的有效提取。此外，该研究基于上述算法开发了一套用户交互软件，可实现对酵母细胞复制寿命、细胞周期、生长速率等关键生理指征参数的高效智能分析，为酵母复制寿命及其衰老相关形态变化完整关联性图谱的构建提供了可能，具有广泛的应用前景。欢迎广大科研人员合作并共同开展酿酒酵母细胞生理及表型相关研究。
图1：高通量微流控芯片及细胞特征数据标注示例
图2：用于酵母出芽特征提取的残差神经网络
图3：双倍体酿酒酵母细胞的复制寿命RLS及出芽时间间隔BTI
东南大学集成电路学院已毕业硕士生肖秦为该论文第一作者，现为OPPO公司算法工程师，电子科学与工程学院博士生王颖瀛为本文共同一作，东南大学朱真教授为论文通讯作者。该研究得到了国家重点研发计划项目（2021YFF0701000）、国家自然科学基金面上项目（61774036）和东南大学生物电子学国家重点实验室开放研究基金的资助。
论文链接：
https://doi.org/10.1016/j.bios.2023.115807
