Core Concepts
본 연구에서는 다양한 세포 내 구조물을 자동으로 분할, 추적 및 특징 추출하는 Nellie라는 파이프라인을 소개합니다. Nellie는 이미지 메타데이터에 적응하여 사용자 입력 없이도 작동하며, 다중 스케일 구조 향상 전처리를 통해 다양한 세포 내 구조물을 강조하고 계층적으로 분할할 수 있습니다. 또한 반경 적응형 패턴 매칭 기반의 모션 캡처 마커를 생성하고 추적하여 아격자 수준의 움직임을 보간할 수 있습니다. Nellie는 다양한 계층 수준에서 풍부한 특징을 추출하여 심층 분석을 가능하게 합니다.
Abstract
Nellie는 자동화된 세포 내 소기관 분할, 추적 및 특징 추출을 위한 파이프라인입니다.
전처리 단계에서 다중 스케일 Frangi 필터를 사용하여 세포 내 구조물의 대비를 향상시킵니다. 이를 통해 형광 강도가 아닌 국부 구조에 기반하여 분할할 수 있습니다.
분할 단계에서는 연결 요소 기반 인스턴스 분할과 스켈레톤화를 통해 계층적 구조를 생성합니다. 이를 통해 구형 리소좀과 같은 단순한 구조물과 네트워크 형태의 미토콘드리아와 같은 복잡한 구조물을 모두 효과적으로 분할할 수 있습니다.
추적 단계에서는 다중 스케일 국부 최대값 검출을 통해 모션 캡처 마커를 생성하고, 이를 기반으로 인접 프레임 간 연결을 수행합니다. 이후 가중치 기반 보간을 통해 아격자 수준의 움직임을 추정합니다.
특징 추출 단계에서는 다양한 계층 수준(개별 볼륨 요소, 노드, 가지, 소기관)에서 공간적, 시간적 특징을 계산합니다. 이를 통해 세포 내 소기관의 복잡한 동역학을 다각도로 분석할 수 있습니다.
Nellie는 사용자 입력 없이 자동으로 작동하며, Napari 기반의 GUI를 제공하여 코드 없이도 사용할 수 있습니다. 또한 모듈식 오픈 소스 코드베이스를 통해 경험 많은 사용자가 맞춤형으로 확장할 수 있습니다.
Stats
세포 내 소기관의 국부 선형 속도는 평균 1 μm/s를 초과하지 않습니다.
미토콘드리아 네트워크의 가지 길이는 평균 5 μm입니다.
리소좀의 평균 반경은 0.5 μm입니다.
Quotes
"세포 내 소기관의 복잡한 얽힘과 정교한 움직임은 세포 생리학과 병리학의 중심에 있습니다."
"기존 도구들은 복잡하고 가변적인 생물 이미징 데이터를 효과적으로 다루는 데 어려움을 겪습니다."
"Nellie는 대규모 및 다차원 현미경 데이터세트를 효율적이고 정확하게 처리할 수 있는 포괄적이고 자동화된 파이프라인을 제공합니다."