点击蓝字
关注我们
秀丽隐杆线虫常用于基因水平或细胞水平上的药物筛选、毒理研究、寿命机制研究等。基于其小而透明的特性，线虫在体内表型化学筛选中也广受欢迎。为了对线虫的脂质进行定量，来自维也纳大学的Theresa Lehner，Benjamin Kirchweger等人提出了一个图像工作流程。该流程是将线虫经尼罗红染色后的荧光成像通过ImageJ进行二值化分离来对脂质进行定量。这个分离通过J48分类器，并通过大小阈值进行细化，分离的准确度可以到达到90%以上，对秀丽隐杆线虫脂质的定位和定量具有重要意义。
秀丽隐杆线虫突变菌株SS104在25℃的温度下显示出脂肪含量升高和不育的特性。作者首先进行同步化线虫，将线虫在新鲜琼脂培养基上于16℃下生长12小时，然后转移到25℃琼脂培养基并维持它们达到幼虫期的第四阶段。在含有10 mg/mL OP50和100 nM尼罗红的S培养基中，将多达10条线虫放入96孔板的每个孔中，添加载体对照和测试样品。线虫在25℃下避光培养4天，进行成像分析。图像分析的步骤如下：（1）调节荧光图像的对比度和亮度；（2）将线虫体和背景分成两类；（3）将线虫体通过粒度阈值进行细化；（4）将线虫体的图像分割出来；（5）二值化图像进行定量。
基于J48算法，分割得到的三个实验组的测试集都具有高特异性，ACC（Accuracy）超过90%。最终，为了评价图像处理的工作流程的性能，将手动去除FP（False Positive，假阳性）测量的像素数与没有人工质量控制的结果进行比较，ACC值在0.998 (±0.001)，MCC（Matthews correlation coefficient）在 0.833 (±0.034)。
文章介绍了作者的样品制备、图像采集和图像处理方法，包括分类、分割和定量。作者的目标是开发一种新的、简单的、自动化的图像处理工作流程。该流程使得实验能够轻松识别蠕虫，使实验员能够手动将秀丽隐杆线虫与来自细菌或沉淀物等衍生物的背景信号区分开来。作者开发了一种新的、简单的、自动化的图像处理工作流程，它不需要亮场图像进行分割。文章使用的源代码以 imageJ 宏语言编写，可在文章的补充材料S2中找到。用于图像增强的插件“调整对比度和亮度”随补充材料S3提供。
计算机技术的不断迭代更新对自然科学领域的研究有着不可估量的推动作用，IT与BT的融合已成为发展趋势，目前与线虫相关的研究很多都或多或少涉及计算机技术的使用，我们应当对此给予高度重视。
