ניתוח ביולת תמונות לרכישות FUCCI מרובות ערוצים המונעות על-ידי למידה עמוקה

צפייה בתאים החיים עיי ימיהם

כל תא חי עובר בממשך חייו שלבים של גדילה, שכפול DNA וחלוקה. לביולוגים יש היום כלים פלואורסצנטיים שגורמים לשלבים אלה לזהור בצבעים שונים, ומאפשרים לעקוב אחר התהליך בזמן אמת. אך כאשר מוקלטים יותר מדי אותות בו‑זמנית, התמונות הופכות לרועשות וקשות לפרש—even עבור מחשבים. מאמר זה מציג שיטה מבוססת למידה עמוקה שמנקה את הסרטונים המורכבים הללו, עוקבת אחרי תאים בודדים וקובעת באיזה שלב במחזור התא כל אחד נמצא, ומספקת כוח חדש למחקר בסרטן, במחקרים על תאי גזע ובבדיקות תרופות.

שעונים זוהרים בתוך תאים חיים

כדי לראות כיצד תאים מתקדמים במחזור החיים שלהם, חוקרים משתמשים לעתים קרובות בכלי מולקולרי שנקרא FUCCI, שגורם לגרעין התא לזהור בצבע אחד בשלבים המוקדמים ובצבע אחר בשלבים מאוחרים, עם שילובים בין לבין. ניסויים מודרניים הולכים צעד נוסף: הם מקליטים את FUCCI יחד עם סימנים פלואורסצנטיים נוספים שמדגישים את השלד התאי או מבנים אחרים. ריבוי ערוצים כזה עוזר לקשר בין הפעילות המבנית של התא למיקומו במחזור החיים. החיסרון הוא שעל מנת לא לפגוע בתאים חיים, המדליקים חייבים להיות עדינים, מה שמפיק תמונות עמומות ורועשות שבהן הצבעים מדלגים זה על פני זה. בתנאים אלה, תוכנות ניתוח תמונה סטנדרטיות נכשלות לעתים קרובות במציאת כל גרעין או בהשמת שלב מחזור נכון.

להנחות אלגוריתם לראות מבעד לרעש

המחברים התמודדו עם הבעיה על ידי אימון רשתות למידה עמוקה מותאמות על אלפי תמונות מתויגות בקפידה משתי שורות תאים אנושיות. הגישה שלהם מזינה ערוצים מרובים למודל סגמנטציה המבוסס על ארכיטקטורת StarDist, שמצטיינת בהיקוון גרעינים בודדים. הם בדקו שלוש תצורות קלט: אחת המשתמשת רק בסמן הציטופלסמתי (חלבון מבני מתויג פלואורסצנטית), אחת המשתמשת רק בשני צבעי ה‑FUCCI, ואחת המשלבת את שלושתם. למרות תנאי הרעש, הגרסאות בעלות שניים ושלושה ערוצים הגיעו לדיוק גבוה מאוד בזיהוי גרעינים, תוך הישג ברור מול כלים פופולריים מאומנים מראש כאשר האות חלש. מפתיע שגרסה שהשתמשה רק בסמן הציטופלסמתי יכלה לעתים קרובות להסיק היכן נמצאים הגרעינים, כיוון שהשלד הסובב מותיר "חור" אופייני שבו יושב הגרעין.

מכתמים צבעוניים לתוויות שלב המחזור

מציאת גרעינים היא רק חצי הקרב; החוקרים גם נזקקים לדעת באיזה שלב של מחזור התא כל גרעין נמצא. באופן מסורתי, עושים זאת על ידי קביעת ספי עצמה עבור צבעי ה‑FUCCI, שיטה פשוטה שניתן להטעות בקלות על ידי מעבר צבעים מערוצים אחרים. הצוות הרחיב את הרשת שלהם כך שהיא לא רק תשרטט כל גרעין אלא גם תתייג אותו כאחד מכמה שלבי מחזור בהתבסס על דפוסי הצבע. בהשוואה לשיטת הסף הקלאסית, הממיין בלמידה עמוקה היה מדויק יותר, במיוחד בנתונים רעשים. הוא אף הכליל לגרסה שונה של מערכת FUCCI ממעבדה אחרת, לאחר שהמחברים פשוט מיפו מחדש אילו שילובי צבעים מתאימים לאילו שלבים—ללא צורך באימון מחודש.

שחזור מסלולו של תא לאורך זמן

עם היקווים גרעיניים אמינים ותוויות שלב, שאלו המחברים האם ניתן לשחזר כיצד תאים בודדים מתקדמים במחזור לאורך זמן, גם כאשר ההקלטה לא תופסת רצף מלא מחלוקה לחלוקה. הם עקבו אחרי אותות FUCCI מתאים בודדים והשוו כל עקבה של עצמה לתבנית ייחוס למחזור טיפוסי באמצעות טכניקה הנקראת dynamic time warping, שממתיחה ומדחיסה את ציר הזמן באופן גמיש כדי למצוא התאמה מיטבית. הדבר העניק לכל תא "אחוז מחזור" המשמש כפseudotime—הערכה כמה רחוק הוא בתהליך. לא פחות חשוב, מידת המתיחה הנדרשת משמשת כאיתות אדום: תאים שעוקבותיהם חייבות לעבור עיוות כבד כדי להתאים לתבנית סביר שיורו חריגה, כמו תאים שנתקעו למשך זמן רב בשלב מסוים.

מדוע זה חשוב לבריאות ולמחלות

על ידי שילוב הדמיה פלואורסצנטית מרובת ערוצים עם כלים למידה עמוקה מותאמים, עבודה זו מספקת צינור מקצה לקצה: היא מסגמנת תמונות עמומות ורועשות, מתייגת כל גרעין לפי שלב מחזור התא, עוקבת אחרי תאים לאורך זמן ומציינת אלה הסוטים מהדפוס הסטנדרטי. עבור לא-מומחים, המסר המרכזי הוא שחוקרים יכולים מעתה לעקוב אחרי אלפי תאים חיים באופן אמין יותר ובמאמץ ידני מופחת, גם בתנאי הדמיה עדינים ששומרים על בריאות התא. הדבר פותח דלת למחקרים מדויקים יותר על כיצד תרופות נגד סרטן עוצרות חלוקת תאים, כיצד תאי גזע מקבלים את גורלם וכיצד כוחות מכניים ברקמות משפיעים מתי תאים בוחרים להתחלק או לעצור.

ציטוט: Zimmermann, J., Pezzotti, M., Torchia, E. et al. Bioimage analysis for multiplexed FUCCI acquisitions powered by deep learning. npj Imaging 4, 27 (2026). https://doi.org/10.1038/s44303-026-00159-6

מילות מפתח: הדמיית מחזור התא, מיקרוסקופיה בלמידה עמוקה, חיישן FUCCI, מעקב תאים, ניתוח ביולת תמונה