筑波大学的研究人员开发了一种名为DeMemSeg的AI驱动分析流程，解决了显微镜技术中的一个长期难题：在二维(2D)投影图像中精确分割和测量重叠的单个细胞膜。这项创新有望加速细胞机制及相关疾病的研究。
细胞及其细胞器的形状与其功能密切相关，因此准确测量对于理解基本生物过程至关重要。生物分析通常需要将三维(3D)荧光图像投影为二维进行可视化。然而，在此过程中，三维中分明的结构在二维图像中经常出现重叠，使得单个轮廓的精确分割变得复杂。
为解决这一问题，研究人员开发了DeMemSeg，这是一种基于深度学习的新型AI驱动流程。研究团队以芽殖酵母孢子形成过程中形成的前孢子膜为模型系统，证明DeMemSeg能够自动分割重叠的膜结构，其准确度在统计学上与专家手动分析相当。
此外，当应用于其训练集中未包含的具有异常膜形态的突变细胞时，DeMemSeg成功检测并量化了这些异常，展现出强大的泛化能力。这些结果已发表在《细胞结构与功能》杂志上。
该方法能够对以往难以获取的形态学数据进行大规模、客观和定量的分析，特别是在芽殖酵母研究中。此外，DeMemSeg底层的工作流程可以适应生命科学的其他领域。由于某些人类配子形成和受精障碍涉及细胞或细胞器的形态异常，这些发现为深入理解此类疾病机制提供了基础技术。
更多信息：田口正大等，《基于深度学习的酵母2D投影衍生重叠前孢子膜分割》，《细胞结构与功能》(2025)。DOI: 10.1247/csf.25032
【全文结束】