據麥姆斯咨詢報道，近日，東南大學集成電路學院、電子科學與工程學院朱真教授課題組在釀酒酵母單細胞復制衰老壽命圖像分析算法方面取得了重要進展。該研究結合計算機視覺和神經網絡算法，應用在高通量微流控芯片所得到的大批量時序顯微圖像分析上，成功實現了對酵母細胞增殖衰老過程中細胞出芽、解剖事件的識別和復制壽命的自動化精準分析。

釀酒酵母細胞（Saccharomyces cerevisiae）作為衰老壽命研究的理想模型，其復制壽命（Replicative Lifespan, RLS）一直是研究的關鍵生理指標。微流控芯片因其微型集成、精確可靠等優勢，是酵母細胞復制壽命檢測的新型研究平臺。但現有的單細胞圖像分析算法與軟件無法滿足微流控芯片大批量酵母細胞時序圖像的高效快速自動化分析需求，尤其是難以分析專用捕獲結構內的細胞時序圖像及其動態特征。

針對上述問題，該研究結合計算機視覺和基于18層殘差神經網絡（ResNet）算法，利用微流控芯片上細胞捕獲陣列的特點，采用形態學處理方法對時序圖像進行偏移修正和單細胞圖像分割，然后對捕獲結構內的酵母細胞進行特征識別并提取出芽和子細胞剪切事件，并依此實現細胞周期記錄和復制壽命統計。該算法針對母細胞的捕獲和死活狀態、子細胞的出芽方向、芽的大小進行標注，并建立殘差神經網絡對數據集進行訓練，利用Adam優化算法增加網絡迭代速度，測試集評估的F1 scores高達92%，可以實現對釀酒酵母出芽狀態特征的有效提取。此外，該研究基于上述算法開發了一套用戶交互軟件，可實現對酵母細胞復制壽命、細胞周期、生長速率等關鍵生理指征參數的高效智能分析，為酵母復制壽命及其衰老相關形態變化完整關聯性圖譜的構建提供了可能，具有廣泛的應用前景。歡迎廣大科研人員合作并共同開展釀酒酵母細胞生理及表型相關研究。

圖1：高通量微流控芯片及細胞特征數據標注示例

圖2：用于酵母出芽特征提取的殘差神經網絡

圖3：雙倍體釀酒酵母細胞的復制壽命RLS及出芽時間間隔BTI

東南大學集成電路學院已畢業碩士生肖秦為該論文第一作者，現為OPPO公司算法工程師，電子科學與工程學院博士生王穎瀛為本文共同一作，東南大學朱真教授為論文通訊作者。該研究得到了國家重點研發計劃項目（2021YFF0701000）、國家自然科學基金面上項目（61774036）和東南大學生物電子學國家重點實驗室開放研究基金的資助。

審核編輯：彭菁