小柯机器人

英国剑桥大学教授Clemens F. Kaminski团队近期取得重要工作进展，他们最新研究提出了一种用于内质网拓扑结构语义分割和定量分析的工具，称之为ERnet。相关研究成果2023年3月30日在线发表于《自然—方法学》杂志上。

据介绍，量化内质网（ER）结构变化的能力对于理解这种细胞器的结构和功能至关重要。然而，ER网络的快速移动和复杂的拓扑结构使人们对ER结构变化的量化具有挑战性。

研究人员构建了一种最先进的语义分割方法，称之为ERnet，用于对单个细胞内的片状和管状ER域进行自动分类。数据被骨架化，并由连接图表示，从而能够精确有效地量化网络连接。ERnet生成关于ER结构的拓扑结构和完整性的指标，并量化响应于遗传或代谢操作的结构变化。研究人员使用通过各种ER成像方法从不同细胞类型获得的数据以及合成ER结构的真实图像来验证ERnet。

总之，研究人员发现，ERnet能以自动高通量和无偏见的方式部署，并识别ER表型的细微变化，这些变化可能会影响疾病进展和对治疗的应答反应。

附：英文原文

Title: ERnet: a tool for the semantic segmentation and quantitative analysis of endoplasmic reticulum topology

Author: Lu, Meng, Christensen, Charles N., Weber, Jana M., Konno, Tasuku, Lubli, Nino F., Scherer, Katharina M., Avezov, Edward, Lio, Pietro, Lapkin, Alexei A., Kaminski Schierle, Gabriele S., Kaminski, Clemens F.

Issue&Volume: 2023-03-30

Abstract: The ability to quantify structural changes of the endoplasmic reticulum (ER) is crucial for understanding the structure and function of this organelle. However, the rapid movement and complex topology of ER networks make this challenging. Here, we construct a state-of-the-art semantic segmentation method that we call ERnet for the automatic classification of sheet and tubular ER domains inside individual cells. Data are skeletonized and represented by connectivity graphs, enabling precise and efficient quantification of network connectivity. ERnet generates metrics on topology and integrity of ER structures and quantifies structural change in response to genetic or metabolic manipulation. We validate ERnet using data obtained by various ER-imaging methods from different cell types as well as ground truth images of synthetic ER structures. ERnet can be deployed in an automatic high-throughput and unbiased fashion and identifies subtle changes in ER phenotypes that may inform on disease progression and response to therapy.

DOI: 10.1038/s41592-023-01815-0

Source: https://www.nature.com/articles/s41592-023-01815-0

Nature Methods：《自然—方法学》，创刊于2004年。隶属于施普林格·自然出版集团，最新IF：47.99
官方网址：https://www.nature.com/nmeth/
投稿链接：https://mts-nmeth.nature.com/cgi-bin/main.plex