北京林大等开发创新型植物全自动细胞重建技术

　　细胞几何形状在生命进程中发挥着重要作用，是细胞适应和响应外部环境变化的关键策略之一。在植物生物学领域，细胞的精确排布与动态行为一直是研究的热点。然而，实现厘米尺度植物组织和器官的细胞水平三维重建一直是悬而未决的技术难题。

　　近日，北京林业大学林金星/张曦团队与中科院自动化所韩华团队合作在The Plant Cell上在线发表了题为Large-volume fully automated cell reconstruction generates a cell atlas of plant tissues的研究论文。该研究突破了传统的技术局限，开发了先进的三维重建技术和深度学习分割算法，成功建立了植物胚胎多细胞形态特征图谱，全面揭示了植物组织器官的精细结构和形态发生的动态变化。这一创新的研究方法不仅为植物细胞三维重建提供了新的参考方案，也为种子植物胚胎发育的生物学研究提供了全新的视角。

　　在该研究中，团队首先利用微型计算机断层扫描技术 (Micro-computed tomography, micro-CT) 和X射线成像技术 (X-ray imaging)，对杨树种子进行了局部高分辨率三维成像，发现CsI/FAA共浸法结合CO2临界点干燥处理显著提高了X射线图像的衬度和分辨能力，实现细胞壁及细胞间隙等结构的清晰识别。同时，研究团队原位表征了表皮、子叶、胚轴等主要细胞类型的形态特征和分类模式，验证了基于复杂形态特征进行细胞类型识别和分类的可行性(图1)。

　　图1基于细胞复杂特征进行多细胞类型识别与分类

　　为实现高通量多细胞群体的精确识别与分割，研究团队开发了名为大体量全自动细胞重建 (Large-volume fully automated cell reconstruction, LVACR) 的技术框架，用于解析多细胞群体的三维形态特征和细胞网络连接规律。首先，团队通过运用组织透明技术和更高分辨率的光片荧光显微镜 (Light sheet fluorescence microscopy, LSFM) 成功实现完整的厘米尺度种子三维成像。其次，研究团队整合了一套优化的深度学习算法用以实现高精度细胞识别与分割，包括用于图像去噪和增强Blind2Unblind方法、用于图像分割的Swin-ResU-Net-Dilated网络，以及用于三维聚合的Multicut求解算法(图2)。基准测试结果表明，LVACR技术大幅度提高了LSFM图像信噪比，在细胞识别和分割方面展现出卓越效率和稳健性能。

　　图2大容量全自动细胞重建技术(LVACR)的工作流程

　　使用LVACR，团队实现了对不同植物组织中数以万计多细胞的精确识别、分割和形态特征提取，成功建立了不同植物组织的多细胞形态图谱。分析发现，尽管不同杨树种子之间的细胞类型和几何形状存在显著差异，但细胞网络连通性规律保持一致。此外，该研究探究了油松茎尖分生组织 (Shoot apical meristem, SAM) 多细胞的初始爆发和随后的细胞分化过程，表征了各类细胞形状的产生以及器官极性的建立(图3)。总的来说，该研究为多细胞生物的精确空间排列和细胞行为提供了深刻的见解，加深了我们对植物器官发育和细胞分化过程的理解。在后续研究工作中，将细胞的几何形状、细胞连接和基因表达水平整合，构建多细胞形态特征与分子网络整合图谱，能够深入揭示细胞之间复杂的变化与相互作用，为研究生物系统的形态发生和动态发育机制提供全面的参考。

　　图3 油松SAM多细胞类型产生规律与器官极性的建立

　　北京林业大学生物科学与技术学院林金星教授、青年教师张曦和中科院自动化所韩华研究员为论文的通讯作者，已毕业博士研究生胡子建(现北京林业大学博士后)、中国科学院自动化研究所助理研究员刘家正和北京林业大学在读博士研究生沈诗雅为本文的共同第一作者。北京大学刘轶群高级工程师、中国科学院遗传与发育生物研究所王瑜老师、清华大学张丹、梁彬老师对本研究提供了平台和技术支持。该研究得到了国家自然科学基金、中央高校优秀青年团队项目、科技创新2030重大项目等基金的资助与支持。