Nature Plants | 浙江大学冯旭萍/何勇、南京农业大学刘峰联合发表植物细胞器自动识别系统

2023年9月25日，浙江大学生物系统工程与食品科学学院何勇教授/冯旭萍副研究员，南京农业大学生命科学学院刘峰副教授联合在Nature Plants在线发表了题为“Plantorganelle Hunter is an effective deep-learning-based method for plant organelle phenotyping in electron microscopy”的研究论文，报道了可以自动识别并量化植物细胞中多个细胞器的深度学习系统，创建的OrgSegNet模型实现了电镜数据中植物亚细胞结构的精准分割，使植物亚细胞结构自动化三维重建成为现实。

在这项研究中，团队采集了多达19种植物的透射电子显微镜图像，并标注了超过9000个细胞器用于OrgSegNet深度学习模型的构建，开发的可广泛应用于各种植物的深度学习管道流程Plantorganelle Hunter，可以在像素水平对电镜图像中的多个细胞器（细胞核、叶绿体、液泡、线粒体）进行精确的识别与分割，同时可以按照三个数字特征（形状复杂性，电子密度和横截面积）对细胞器进行形态分析。研究团队已经开源了算法和数据，并开发了在线识别系统（https://cropopen.com/#/Cell），欢迎相关领域科研人员使用、探讨识别系统并进一步补充数据。这一系统不仅可以在2D水平对电镜数据进行分析，也可以取代原有三维细胞器重建过程中复杂繁琐的手动标记过程，有望推动植物亚细胞结构的表型研究，为农学、植物细胞分子生物学、植物生理学等学科提供新的思路和方法（图1）。

图1 Plantorganelle Hunter分割和表征细胞器形态的流程

南京农业大学生科院刘峰副教授、浙江大学生物系统工程和食品科学学院何勇教授为本文的通讯作者，浙江大学生物系统工程和食品科学学院冯旭萍副研究员、硕士生俞泽宇为本文共同第一作者。浙江大学方慧博士、蒋杭进博士、郭建胜博士，南京农业大学生科院电镜中心胡冰、秦春、胡钢、邢桂培，澳大利亚墨尔本大学刘峰博士，香港浸会大学韩波博士，美国贝勒大学Bernd Zechmann博士等也参与了本研究。 该研究项目得到了国家自然科学基金、浙江省重点研发计划等项目的资助。

原文链接：

https://www.nature.com/articles/s41477-023-01527-5

转自：“植物生物技术Pbj”微信公众号

如有侵权，请联系本站删除！