免疫组学研究
开放获取

抽象的

通过标准化回归自动处理巨噬细胞的无标记拉曼显微镜图像以进行高通量分析

罗伯特·J·米勒夫斯基、熊谷雄太郎、藤田胜正、达伦·M·斯坦德利

背景：巨噬细胞代表我们免疫系统的前线；它们识别并吞噬病原体或外来颗粒，从而启动免疫反应。巨噬细胞成像面临着独特的挑战，因为大多数光学技术需要对细胞区室进行标记或染色才能解析细胞器，并且此类染色或标记有可能扰乱细胞，特别是在存在关于精确细胞反应的不完整信息的情况下观察。因此，拉曼显微镜等无标记成像技术是研究免疫细胞激活后在分子和细胞器水平上发生的转化的宝贵工具。然而，由于信号电平极低，拉曼显微镜需要复杂的图像处理技术来降低噪声和提取信号。迄今为止，用于解决嘈杂的多维图像集中的亚细胞特征的高效、自动化算法尚未得到广泛探索。结果：我们表明混合 z 分数归一化和标准回归 (Z-LSR) 可以突出细胞内的光谱差异，并提供取决于光谱内容的图像对比度。与使用多变量分析的典型拉曼成像处理方法（例如单值分解（SVD））相比，我们对 Z-LSR 方法的实现几乎可以实时运行。尽管计算简单，Z-LSR 可以自动消除信号中的背景和偏差，提高空间分布光谱差异的分辨率，并能够在小鼠巨噬细胞的拉曼显微镜图像中解析亚细胞特征。值得注意的是，Z-LSR 处理的图像自动展现出亚细胞结构，而 SVD 通常需要人工帮助来选择感兴趣的成分。结论：Z-LSR 的计算效率能够自动解析大型拉曼显微镜数据集中的亚细胞特征，而不会影响图像质量或相关光谱中的信息丢失。这些结果促使进一步使用无标记显微镜技术对活体免疫细胞进行实时成像。Z-LSR 处理的图像自动展现出亚细胞结构，而 SVD 通常需要人工帮助来选择感兴趣的成分。结论：Z-LSR 的计算效率能够自动解析大型拉曼显微镜数据集中的亚细胞特征，而不会影响图像质量或相关光谱中的信息丢失。这些结果促使进一步使用无标记显微镜技术对活体免疫细胞进行实时成像。Z-LSR 处理的图像自动展现出亚细胞结构，而 SVD 通常需要人工帮助来选择感兴趣的成分。结论：Z-LSR 的计算效率能够自动解析大型拉曼显微镜数据集中的亚细胞特征，而不会影响图像质量或相关光谱中的信息丢失。这些结果促使进一步使用无标记显微镜技术对活体免疫细胞进行实时成像。