マザーマシンを使用したハイスループットシングルセルイメージングのツールと方法

多くの進歩にもかかわらず、画像処理は依然として顕微鏡データの高スループット分析にとって大きなボトルネックとなっています。単一細胞タイムラプス イメージング用の人気のあるプラットフォームの 1 つはマザー マシンです。これにより、正確に制御された増殖条件下で微生物細胞の長期追跡が可能になります。過去数年間にいくつかのマザーマシン画像分析パイプラインが開発されましたが、専門家以外のユーザーによる採用は依然として課題です。このギャップを埋めるために、多次元画像ビューア napari のプラグインとして独自のソフトウェア MM3 を実装しました。napari-MM3 は、napar の高度な対話性を利用した、マザー マシン データ用の完全なモジュール式画像分析パイプラインです。ここでは、napari-MM3 の概要を説明し、BACMMAN や DeLTA など、よく設計され広く使用されているいくつかの画像解析パイプラインに対してテストします。さらに、科学界によるディープラーニング手法の急速な採用と広範な普及により、ユーザーはそのような「ブラックボックス」手法によって生成された結果をどの程度信頼できるのかという重要な疑問が生じています。私たちは「置いたものは得られるもの」（WYPIWYG）を明示的に示しています。つまり、画像分析結果は、トレーニング データセットにエンコードされたユーザーのバイアスを反映している可能性があります。最後に、この作業の主な目的は、私たちが研究室で10年以上かけて開発してきた画像解析ソフトウェアを紹介することですが、マザーマシンベースの高スループットイメージングと画像解析を実装したいと考えている人にとっても有益な情報を提供します。彼らの研究における手法。これには、透明性と再現可能な結果を確保するための指針とベストプラクティスが含まれます。

Despite much progress, image processing remains a significant bottleneck for high-throughput analysis of microscopy data. One popular platform for single-cell time-lapse imaging is the mother machine, which enables long-term tracking of microbial cells under precisely controlled growth conditions. While several mother machine image analysis pipelines have been developed in the past several years, adoption by a non-expert audience remains a challenge. To fill this gap, we implemented our own software, MM3, as a plugin for the multidimensional image viewer napari. napari-MM3 is a complete and modular image analysis pipeline for mother machine data, which takes advantage of the high-level interactivity of napari. Here, we give an overview of napari-MM3 and test it against several well-designed and widely-used image analysis pipelines, including BACMMAN and DeLTA. In addition, the rapid adoption and widespread popularity of deep-learning methods by the scientific community raises an important question: to what extent can users trust the results generated by such "black box" methods? We explicitly demonstrate "What You Put Is What You Get" (WYPIWYG); i.e., the image analysis results can reflect the user bias encoded in the training dataset. Finally, while the primary purpose of this work is to introduce the image analysis software that we have developed over a decade in our lab, we also provide useful information for those who want to implement mother-machine-based high-throughput imaging and image analysis methods in their research. This includes our guiding principles and best practices to ensure transparency and reproducible results.