Un nouvel outil de calcul peut analyser systématiquement les images de cellules chez C. elegans

Une équipe de recherche conjointe codirigée par la City University of Hong Kong (CityU) a développé un nouvel outil de calcul capable de reconstruire et de visualiser des formes tridimensionnelles (3D) et des changements temporels de cellules, accélérant ainsi le processus d’analyse de centaines d’heures en main à quelques heures par l’ordinateur.

Révolutionnant la façon dont les biologistes analysent les données d’images, cet outil peut faire progresser d’autres études en biologie du développement et des cellules, comme la croissance des cellules cancéreuses.

L’étude interdisciplinaire a été codirigée par le professeur Yan Hong, professeur titulaire de la chaire de génie informatique et le professeur Wong Chung Hong d’ingénierie des données au département de génie électrique (EE) de CityU, en collaboration avec des biologistes de l’Université baptiste de Hong Kong (HKBU) et de Pékin. Université.

Leurs résultats ont été publiés dans la revue scientifique Communications de la nature, intitulé « Mise en place d’un atlas morphologique de l’embryon de Caenorhabditis elegans par segmentation 4D basée sur l’apprentissage en profondeur« .

L’outil développé par l’équipe s’appelle « CShaper ». «C’est un outil de calcul puissant qui peut segmenter et analyser systématiquement les images cellulaires au niveau de la cellule unique, ce qui est très nécessaire pour l’étude de la division cellulaire et des fonctions cellulaires et géniques», a décrit le professeur Yan.

Le goulot d’étranglement dans l’analyse de la quantité massive de données sur la division cellulaire

Les biologistes ont étudié comment les animaux se développent à partir d’une seule cellule, un œuf fécondé, dans les organes et le corps entier à travers d’innombrables divisions cellulaires. En particulier, ils veulent connaître les fonctions des gènes, tels que les gènes spécifiques impliqués dans les divisions cellulaires pour former différents organes, ou ce qui cause les divisions cellulaires anormales conduisant à une croissance tumorale.

Une façon de trouver la réponse est d’utiliser la technique de knock-out de gène. Avec tous les gènes présents, les chercheurs obtiennent d’abord des images cellulaires et l’arbre de la lignée.

Ensuite, ils « éliminent » (suppriment) un gène de la séquence d’ADN et comparent les deux arbres de la lignée pour analyser les changements dans les cellules et déduire les fonctions des gènes. Ensuite, ils répètent l’expérience avec d’autres gènes éliminés.

Dans l’étude, l’équipe de biologistes collaborateurs a utilisé Caenorhabditis elegans (C. elegans) des embryons pour produire des téraoctets de données pour que l’équipe du professeur Yan effectue une analyse informatique. C. elegans est un type de ver qui partage de nombreuses caractéristiques biologiques essentielles avec les humains et fournit un modèle précieux pour étudier le processus de croissance tumorale chez l’homme.

« Avec environ 20 000 gènes dans C. elegans, cela signifie que près de 20 000 expériences seraient nécessaires pour éliminer un gène à la fois. Et il y aurait une énorme quantité de données. Il est donc essentiel d’utiliser un système d’analyse d’image automatisé. Et cela nous pousse à en développer un plus efficace », a-t-il déclaré.

Percée dans la segmentation automatique des images de cellules

Les images cellulaires sont généralement obtenues par balayage par faisceau laser. Les systèmes d’analyse d’image existants ne peuvent détecter correctement le noyau cellulaire qu’avec une mauvaise qualité d’image de la membrane cellulaire, ce qui entrave la reconstruction des formes cellulaires.

En outre, il existe un manque d’algorithme fiable pour la segmentation des images 3D temporisées (c’est-à-dire des images 4D) de la division cellulaire. La segmentation d’image est un processus critique en vision par ordinateur qui consiste à diviser une entrée visuelle en segments pour simplifier l’analyse d’image. Mais les chercheurs doivent passer des centaines d’heures à étiqueter manuellement de nombreuses images de cellules.

La percée de CShaper est qu’il peut détecter les membranes cellulaires, créer des formes cellulaires en 3D et, plus important encore, segmenter automatiquement les images cellulaires au niveau cellulaire. «Grâce à CShaper, les biologistes peuvent déchiffrer le contenu de ces images en quelques heures.

Il peut caractériser les formes cellulaires et les structures de surface, et fournir des vues 3D de cellules à différents moments », a déclaré Cao Jianfeng, étudiant au doctorat dans le groupe du professeur Yan et co-premier auteur de l’article.

Pour y parvenir, le modèle basé sur l’apprentissage en profondeur DMapNet développé par l’équipe joue un rôle clé dans le système CShaper.

« En apprenant à capturer plusieurs distances discrètes entre les pixels de l’image, DMapNet extrait le contour de la membrane tout en tenant compte des informations de forme, plutôt que de simples caractéristiques d’intensité. Par conséquent, CShaper a atteint une précision de 95,95% pour identifier les cellules, ce qui surpassait considérablement les autres méthodes », a-t-il expliqué.

Avec CShaper, l’équipe a généré un atlas 3D time-lapse de la morphologie cellulaire pour le C. elegans embryon des stades de 4 à 350 cellules, y compris la forme, le volume, la surface, la migration, la position du noyau et le contact cellule-cellule avec des identités cellulaires confirmées.

Faire progresser les études sur la croissance tumorale

«À notre connaissance, CShaper est le premier système de calcul permettant de segmenter et d’analyser les images de C. elegans embryon systématiquement au niveau de la cellule unique « , a déclaré M. Cao. » Grâce à des collaborations étroites avec des biologistes, nous avons fièrement développé un outil informatique utile pour l’analyse automatisée d’une quantité massive de données d’images cellulaires.

Nous pensons qu’il peut promouvoir d’autres études en biologie du développement et des cellules, en particulier pour comprendre l’origine et la croissance des cellules cancéreuses », a ajouté le professeur Yan.

Ils ont également testé CShaper sur des cellules de tissus végétaux, montrant des résultats prometteurs. Ils pensent que l’outil informatique peut être adapté à d’autres études biologiques.