FidlTrack: высокоточное отслеживание одиночных частиц с учётом структуры органелл выявляет внутриклеточное движение молекул при обработке APP

Наблюдение одиночных молекул внутри живых клеток

Внутри каждой клетки бесчисленные молекулы постоянно движутся, сталкиваются, связываются и распадаются. Современные микроскопы позволяют проследить за отдельными молекулами одну за другой, обещая детальное представление о том, как работает жизнь на мельчайших масштабах. Но когда множество молекул быстро перемещается в тесных, извилистых пространствах, таких как эндоплазматический ретикулум или митохондрии, их траектории переплетаются и легко искажаются. В этой статье представлен FidlTrack — новый подход, который распутывает эти линии, чтобы исследователи могли доверять наблюдаемому при отслеживании одиночных молекул в реальном времени.

Почему отслеживать крошечные движения так сложно

Отслеживание одиночных частиц работает за счёт сопоставления того же яркого пятна на множестве кадров. На относительно плоской поверхности клетки, где молекулы движутся медленно и расположены разреженно, это выполнимо. Глубоко внутри клетки молекулы диффундируют значительно быстрее и скапливаются в узких, петляющих трубках и пластинах. Между кадрами то же пятно может переместиться далеко, и в зоне досягаемости могут оказаться несколько одинаковых точек. Традиционное программное обеспечение вынуждено «угадывать», какая точка в следующем кадре соответствует той же молекуле, и такие догадки легко ошибочны. Хуже того, правильные и ошибочные траектории могут выглядеть очень похоже, поэтому трудно понять, каким частям данных можно доверять.

Проектирование экспериментов для честных данных

Авторы сначала создали реалистичный симулятор, генерирующий «эталонные» фильмы диффундирующих молекул, где истинные траектории известны. Они использовали эти синтетические наборы данных, чтобы систематически проверить, как ключевые факторы влияют на надёжность отслеживания: скорость движения молекул, их плотность на изображении, частота съёмки и максимальное расстояние прыжка между кадрами. На основе этого были построены карты, показывающие, какие настройки максимизируют долю правильно восстановленных перемещений в каждой ситуации. Карты показывают: при медленном движении молекул и умеренной плотности отслеживание может быть очень надёжным, но при быстром движении и высокой плотности ошибки быстро растут, и добавление большего числа молекул уже не улучшает полезную информацию.

Выделение и удаление сомнительных шагов

Далее команда занялась тонкой, но важной идеей: неоднозначностью. Шаг называют неоднозначным, когда в зоне досягаемости оказывается более одной возможной точки, и алгоритм вынужден выбирать между несколькими правдоподобными связями. С помощью симуляций авторы показали, что значительная часть ошибок отслеживания возникает именно из-за таких неоднозначных шагов. Они ввели показатель Ambiguity Score, отражающий частоту появления таких ситуаций, и исследовали, что происходит, если после отслеживания удалить все неоднозначные шаги. Такое отсечение жертвует частью данных и укорачивает траектории, но резко повышает общую надёжность оставшихся данных и улучшает оценки скорости движения молекул. При применении к реальным фильмам маркера в эндоплазматическом ретикулуме неоднозначность была выше в переполненных областях у ядра клетки; удаление неоднозначных связей очистило эти участки, не навредив более простым регионам.

Пусть архитектура клетки подсказывает отслеживание

Ключевая инновация FidlTrack — «структурно-осведомлённое» отслеживание. Вместо того чтобы считать каждую точку движущейся в пустом пространстве, метод использует изображения внутренней архитектуры клетки — например контуры эндоплазматического ретикулума, митохондрий или тонких отростков нейронов — чтобы ограничить области, по которым молекулы реально могут перемещаться. Изображение органеллы преобразуется в граф связных пикселей, и расстояния измеряются вдоль этого графа, а не прямыми линиями через пространство. Связи, требующие прыжка молекулы через разрыв между двумя отдельными трубочками, могут быть помечены как невозможные и отвергнуты. В симуляциях плотных пучков трубочек и в реальных съёмках нейронных процессов и органелл такая учёта структуры сократила число неоднозначных связей почти вдвое и увеличила объём надёжных, не неоднозначных данных о движении во несколько раз.

Выявление скрытого поведения клетки и событий, важных для болезней

Вооружившись этими инструментами — оптимизированными настройками, фильтрацией неоднозначностей и структурной осведомлённостью — авторы пересмотрели несколько биологических вопросов, которые ранее были недосягаемы. В эндоплазматическом ретикулуме они чётко проследили, как белки перемещаются при взаимодействии с выходными сайтами, направляющими груз к аппарату Гольджи, различая кратковременные «пролёты» и более длительные задержки. Они зафиксировали редкие моменты, когда белок APP, связанный с болезнью Альцгеймера, расщепляется ферментом BACE1 — это проявлялось как внезапный переход от медленного движения, связанного с мембраной, к более быстрой свободной диффузии. Они также отслеживали сконструированные молекулы, подобные антителам, в ЭР и, по изменениям их движения, делали выводы о том, когда они были связаны с мишенью, а когда свободно дрейфовали. Во всех этих случаях FidlTrack восстанавливал более надёжные траектории и чётче выявлял различия, которые стандартные методы либо размывали, либо занижали.

Что это значит для будущей клеточной биологии

Для неспециалистов главный тезис таков: не все траектории одиночных молекул одинаково надёжны — одни заслуживают доверия, другие вводят в заблуждение, и до сих пор было трудно отличить их. FidlTrack предлагает практичный, открытый инструмент для оценки надёжности набора данных и её повышения путём настройки экспериментальных условий, удаления неоднозначных шагов и использования геометрии самой клетки как ориентира. Это делает возможным наблюдение того, как молекулы ориентируются в сложном внутреннем пространстве клетки с большей уверенностью и позволяет обнаруживать редкие или тонкие события — от сортировки белков до процессов, важных для заболеваний — которые ранее терялись в шуме.

Цитирование: Parutto, P., Yuan, Y., Davì, V. et al. FidlTrack: high-fidelity structure-aware single particle tracking resolves intracellular molecular motion in organelles sensing APP processing. Nat Commun 17, 2639 (2026). https://doi.org/10.1038/s41467-026-69067-y

Ключевые слова: отслеживание одиночных частиц, внутриклеточная динамика, структура органелл, движение белков, болезнь Альцгеймера