数字化3D类器官，nature methods！

类器官作为复制组织架构和功能的体外模型，为研究外部干扰影响的独特机会。然而，在这些系统中进行大规模筛选以研究各种应力对细胞形态和拓扑的影响面临重要挑战，包括高分辨率三维(3D)成像和可访问的3D分析平台的限制。现有的开源分割工具如Ilastik和OrganoidTracker在分辨率和图像变异性方面面临挑战。尽管3DCellSeg展示了特定模型的稳健性，但其训练数据集与真实生物医学条件不同，后者通常涉及较低分辨率和较差的信噪比。其他工具如Cellpose在2D成像中表现出色，但在3D数据集处理时间和分割准确性方面存在困难。Beck等和Ishihara等的研究专注于分类预定义的全局形态，但缺乏描述单个细胞分布或形态的指标。此外，许多方法未能披露计算时间，限制了它们在高通量应用中的实用性。这些限制目前阻碍了将现有深度学习方法应用于在实际场景中精确分割紧凑类器官细胞。

近日，发表在nature methods的题为Digitalized organoids: integrated pipeline for high-speed 3D analysis of organoid structures using multilevel segmentation and cellular topology文章介绍了一种基于AI的多级分割和细胞拓扑结构流水线，用于在核和细胞质水平以及整个类器官尺度上筛选3D细胞培养中的形态和拓扑结构修改。通过提供一个用户友好的名为3DCellScope界面，为筛选3D类器官模型的发现性试验提供一套全面的工具，展示了在生物医学研究中广泛的应用潜力。

研究结果

1) 本研究开发了一种名为"3DCellScope"的创新方法，实现了类器官的完整3D数字化，从亚细胞水平到整个类器官尺度。该方法包括三个层次的分割：首先，利用基于StarDist卷积神经网络(CNN)的DeepStar3D模型从DNA染色图像中提取细胞核表面;其次，将细胞核轮廓作为种子，结合肌动蛋白原始图像进行基于灰度3D分水岭的细胞表面分割;最后，直接从原始通道使用精细调整的阈值和形态数学滤波获取完整类器官轮廓。这种多层分割方法能够生成数百个形态和拓扑描述符，建立解释数据的稳健基础。

图1 数字化类器官原理

2) 研究团队设计了基于开源软件的用户友好界面(3DCellScope)，融合先进3D AI工具和用户导向软件。该界面允许研究人员以最小努力导入、执行和可视化AI分割网络结果，并能集成其他AI网络进行细胞核分割。研究表明DeepStar3D在不同独立实验中的表现优于其他AI模型，具有更高的F1IoU50评分和更短的推理时间(较其他CNN快20%-70%)，且对信号质量和物体密度变化表现出结果质量的弹性。

3) 研究也验证了该方法在预测条件下形态描述符的准确性。通过渗透压应力实验，团队观察到高渗条件下球体内细胞呈现更圆润形态，特别是在球体核心区域;细胞核相对位置向类器官中心移动;DAPI染色呈现更明显的点状形态，表明染色质压缩增加。这些观察结果通过形态参数分析得到了定量确认，证实了该方法在捕捉和量化细胞质和细胞核变化方面的有效性。

4) 研究团队开发了基于3D细胞位置的细胞-邻居拓扑描述符。通过在每个细胞核周围的邻居细胞拟合椭球体并量化椭球形状，研究人员能够揭示组织图案和非随机细胞安排。这种方法在两种实验中得到验证：一是使用微环境中的正常乳腺上皮细胞，其中不同微环境形状(杯形vs井形)显示出不同的细胞3D分布模式;二是在复杂的原发性胰腺导管腺癌(PDAC)类器官中，该方法能分辨不同区域(核心、芽和边界)的细胞组织特征。

5) 最后，研究团队介绍了一种结合无监督和有监督方法提取3D形态特征的先进分析水平。在抛物线飞行实验中，通过主成分分析(PCA)对超过8,000个细胞的数据进行降维，团队发现抛物线飞行条件下细胞体积显著减小，特别是类器官边缘的细胞(高PC1群体)体积减少最为明显(-33%)。这种差异在正常培养条件下24小时后仍然显著，说明机械应力对细胞形态的影响可持续一定时间。

全文总结

该研究介绍的3DCellScope方法为评估3D细胞形态和拓扑提供了全面解决方案，为组织工程和病理学研究提供了宝贵工具。该方法只需简单的生物标记物(如细胞核和质膜)，不需要繁琐的免疫染色、高级计算或编程专业知识，使其适用于标准实验室设置。这种创新方法准确揭示和量化3D多细胞结构中的形态变化，为理解外部微环境影响下的细胞生物力学、组织稳态和治疗干预提供了深入见解。通过解锁3D生物学的全部潜力，3DCellScope方法有助于基于类器官的创新治疗策略开发，并为包括太空生物学在内的其他新兴领域提供了应用前景。