- 3 次围观
体型是反映动物发育和生理状态的重要性状。在秀丽隐杆线虫中，对体型进行精确测量对于将体尺寸变异与发育时序、遗传调控和药物反应等生物学问题联系起来具有重要价值。然而，获得稳健的体型测量结果可能较为困难，因为线虫在体态弯曲程度上存在差异，可能出现自交叠姿态，并且还会与邻近个体发生重叠。现有图像分析软件，如 CellProfiler，能够测量处于伸直姿态的孤立个体，但在线虫呈卷曲或重叠状态时表现欠佳。本文提出了 NemaSize，这是一种人工智能（AI）辅助流程，利用多尺度学习和拓扑感知骨架化方法，对复杂姿态下的 Caenorhabditis 线虫体型进行测量。通过使用在不同空间尺度上训练的 You Only Look Once（YOLO）模型，NemaSize 首先在线虫的大视野（field of view, FOV；6.75 × 6.75 mm）图像中识别单个个体，然后在感兴趣区域（region of interest, ROI）中执行高分辨率身体分割。随后，NemaSize 将分割得到的身体掩膜转换为拓扑图表示，从而能够根据身体拓扑对卷曲和重叠个体进行分类并完成骨架化处理。NemaSize 在线虫所有姿态类别中的体长和体宽测量总体误差均低于 4%。与 CellProfiler 相比，NemaSize 在复杂姿态下表现出更高的稳健性；对于卷曲或自身重叠的个体，其体长测量误差降低了 48%。在高通量成像实验中的应用进一步表明，NemaSize 能够准确量化驱虫药伊维菌素作用下 Caenorhabditis briggsae 幼虫发育情况，而由于线虫姿态卷曲，这一任务对 CellProfiler 而言较为困难。总体而言，NemaSize 为 Caenorhabditis 线虫体型的自动化定量提供了一种稳健方法，并将支持其在高通量药理学和遗传学筛选中的广泛应用。除线虫之外，NemaSize 还提出了一种多尺度计算框架，可用于分析具有复杂拓扑结构的细长生物学对象。
多尺度学习与复杂姿态下的拓扑分析实现药理学检测中线虫体型的稳健定量 | bioRxiv
跳转至主要内容
首页 关于 投稿 提醒 / RSS 搜索此关键词 高级搜索 新结果
多尺度学习与复杂姿态下的拓扑分析实现药理学检测中线虫体型的稳健定量
查看 ORCID 个人资料 Zihao (John) Li， 查看 ORCID 个人资料 Amanda O. Shaver， 查看 ORCID 个人资料 Michael E.G. Sauria， Jack Weinstein， 查看 ORCID 个人资料 Maya K. Mastronardo， 查看 ORCID 个人资料 Nikita S. Jhaveri， Kate Stone， Rachel Choo， Colin Lilley， Esha Sharma， Rohan Shrishrimal， Grayson Benson， Ariel Shi， Cecilia Soko， 查看 ORCID 个人资料 Erik C. Andersen
doi： https://doi.org/10.64898/2026.07.12.738008
Zihao (John) Li 约翰斯·霍普金斯大学 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。 保留所有权利。未经许可不得转载使用。
返回顶部
上一篇 下一篇
发表于 2026 年 7 月 17 日。
下载 PDF 数据/代码 电子邮件
感谢您有兴趣帮助传播 bioRxiv 的内容。
您的电子邮箱 * 您的姓名 * 发送至 * 输入多个地址时，请逐行填写或用逗号分隔。
您将通过电子邮件发送以下内容
多尺度学习与复杂姿态下的拓扑分析实现药理学检测中线虫体型的稳健定量
邮件主题
（您的姓名）已从 bioRxiv 转发一个页面给您
邮件正文
（您的姓名）认为您可能希望查看 bioRxiv 网站上的这个页面。
您的个人留言
验证码
此问题用于测试您是否为人类访问者，并防止自动垃圾信息提交。
分享
多尺度学习与复杂姿态下的拓扑分析实现药理学检测中线虫体型的稳健定量
Zihao (John) Li， Amanda O. Shaver， Michael E.G. Sauria， Jack Weinstein， Maya K. Mastronardo， Nikita S. Jhaveri， Kate Stone， Rachel Choo， Colin Lilley， Esha Sharma， Rohan Shrishrimal， Grayson Benson， Ariel Shi， Cecilia Soko， Erik C. Andersen
bioRxiv 2026.07.12.738008； doi： https://doi.org/10.64898/2026.07.12.738008
分享本文： 复制
引文工具
多尺度学习与复杂姿态下的拓扑分析实现药理学检测中线虫体型的稳健定量
Zihao (John) Li， Amanda O. Shaver， Michael E.G. Sauria， Jack Weinstein， Maya K. Mastronardo， Nikita S. Jhaveri， Kate Stone， Rachel Choo， Colin Lilley， Esha Sharma， Rohan Shrishrimal， Grayson Benson， Ariel Shi， Cecilia Soko， Erik C. Andersen
bioRxiv 2026.07.12.738008； doi： https://doi.org/10.64898/2026.07.12.738008
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.12.738008v1?rss=1
🏷️ 线虫体型定量 多尺度学习 拓扑骨架化 高通量成像 药理学测定