通过大规模高光谱电子显微镜自动分析超微结构

医学检验 生物工程 医学 生物物理学 医学影像 生命科学 细胞生物学
电子显微镜 高光谱成像 生物超微结构 自动化分析 元素映射

通过大规模高光谱电子显微镜自动分析超微结构

自动化超微结构分析：基于大规模高光谱电子显微镜的研究

学术背景

电子显微镜（Electron Microscopy, EM）是研究生物超微结构的关键技术，能够在生物分子分辨率下揭示细胞的精细结构。近年来，随着自动化和数字化的发展，电子显微镜能够以纳米级分辨率捕获大面积的细胞和组织样本。然而，电子显微镜图像通常是灰度图像，且数据量庞大，分析过程往往依赖于繁琐的手动注释，这限制了其在大规模研究中的应用。为了解决这一问题，研究者们开始探索如何通过自动化手段提取生物分子组装体的信息，从而加速对生物超微结构的理解。

本文的研究背景在于，尽管电子显微镜在生物医学研究中具有重要地位，但其分析过程仍然面临挑战。特别是，如何从大规模的电子显微镜数据中自动提取生物分子信息，成为了一个亟待解决的问题。本文提出了一种基于高光谱能量色散X射线（Energy-Dispersive X-ray, EDX）成像的自动化分析方法，旨在通过无监督的方式从常规处理的组织中提取生物分子组装体，从而减少手动干预，提高分析效率。

论文来源

本文由B. H. Peter Duinkerken、Ahmad M. J. Alsahaf、Jacob P. Hoogenboom和Ben N. G. Giepmans共同撰写，分别来自荷兰格罗宁根大学医学中心生物医学科学系和代尔夫特理工大学成像物理系。论文于2024年发表在npj Imaging期刊上。

研究流程

1. 大规模EDX成像与空间和元素背景

研究首先开发了一种大规模EDX成像的工作流程，并将其应用于胰腺胰岛的整个切片。通过延长像素停留时间和帧积累，确保了光谱的丰富性。同时，使用相对较高的束流（4-5 nA）和两个对称放置的EDX探测器，克服了长时间采集的问题。研究通过假彩色图像展示了三种元素（磷、锇和铁）的分布，能够清晰地区分细胞内的颗粒、细胞核、溶酶体和粗面内质网等生物特征。

2. 光谱混合分析与生物特征提取

为了从高光谱图像（Hyperspectral Image, HSI）中提取生物特征，研究采用了光谱混合分析（Spectral Mixture Analysis, SMA）方法。首先，通过手动注释获取代表性光谱，然后使用线性解混方法将HSI分解为各个光谱的相对丰度图。研究还引入了降维技术，如流形学习（Manifold Learning），通过PACMAP（Pairwise Controlled Manifold Approximation Projection）方法将HSI降维到二维空间，从而更好地识别生物特征。

3. 大规模光谱混合分析

在大规模EDX成像中，数据量巨大，研究通过子采样和排除重叠区域，减少了数据量。通过PACMAP降维，识别出最纯净的光谱（即端元），并使用线性混合模型进行解混。研究展示了胰腺和皮肤组织中不同生物结构的丰度图，并与预期的生化组成进行了比较。

4. 电子显微镜图像的自动检测与分割

研究还探索了基于卷积神经网络（Convolutional Neural Network, CNN）的自动分割方法，结合EDX端元丰度图，使用Segment Anything Model（SAM）进行自动分割。通过空间提示，SAM模型能够自动检测和分割出五种不同的细胞器和生物结构，展示了EDX HSI在无监督电子显微镜分析中的潜力。

主要结果

  1. 大规模EDX成像：研究成功开发了大规模EDX成像的工作流程，能够在超微结构分辨率下区分细胞内的不同生物特征，如颗粒、细胞核、溶酶体和粗面内质网。

  2. 光谱混合分析：通过光谱混合分析，研究能够从高光谱图像中提取出生物特征的光谱，并生成相应的丰度图，展示了不同生物结构的空间分布。

  3. 降维与端元提取：通过PACMAP降维，研究识别出最纯净的光谱，并使用线性混合模型进行解混，展示了胰腺和皮肤组织中不同生物结构的丰度图。

  4. 自动分割：结合EDX端元丰度图和SAM模型，研究实现了电子显微镜图像的自动检测和分割，展示了EDX HSI在无监督电子显微镜分析中的潜力。

结论与意义

本文提出了一种基于大规模高光谱EDX成像的自动化分析方法，能够无监督地提取生物分子组装体，减少手动干预，提高电子显微镜数据分析的效率。该方法不仅能够加速对生物超微结构的理解，还为未来的大规模电子显微镜研究提供了新的工具和思路。

研究亮点

  1. 创新性方法：本文首次将大规模高光谱EDX成像应用于生物医学研究，提出了一种无监督的自动化分析方法，能够从常规处理的组织中提取生物分子组装体。

  2. 高效的数据分析：通过光谱混合分析和降维技术，研究能够从大规模EDX数据中提取出生物特征，减少了手动注释的工作量。

  3. 自动分割技术：结合EDX端元丰度图和SAM模型，研究实现了电子显微镜图像的自动检测和分割，展示了EDX HSI在无监督电子显微镜分析中的潜力。

其他有价值的信息

本文的所有数据和分析代码均已公开，研究者可以通过访问www.nanotomy.org和GitHub获取相关资源，进一步探索和应用本文提出的方法。

通过本文的研究，电子显微镜在生物医学领域的应用将迎来新的突破，未来有望在更多组织和样本中推广这一方法，进一步推动对生物超微结构的理解。