清华大学自动化系、信息国家研究中心于国强团队开发新型生物分子时空信号开源智能分析平台

在神经科学、细胞生物学、病理学及发育生物学等领域,跨时空观测分子活动已成为关键研究手段。随着基因编码荧光探针和显微技术的革新,科学家已能捕捉钙离子、ATP、神经递质等多样信号。然而,海量数据中复杂时空模式(如异质性空间分布和多向传播)的量化分析,正成为制约科研突破的新瓶颈——传统人工分析效率低下,现有自动化工具或因假设过于简单导致失真,或因计算效率不足难以应对三维大数据,亟需新一代统一分析平台,于国强教授在2019年针对星形胶质细胞的信号分析,提出了AQuA平台,但是一方面该算法在计算效率和内存上仍有很大的改善空间,另一方面,生物研究者需要能够应用于更加广泛的细胞和信号的、更加准确快速的信号分析平台。

图1.于国强课题组关于时空信号分析的科研成果近日发表于国际顶级期刊Cell

针对上面的问题和困境,清华大学自动化系、信息国家研究中心于国强教授团队在Cell杂志发表了题为“Fast, accurate, and versatile data analysis platform for the quantification of molecular spatiotemporal signals”的研究论文,基于AQuA开发了应用更加广泛、效果更好的AQuA2平台。该平台基于先进机器学习技术,能够快速、精准且多场景地分解活体成像数据,将其转化为可量化的分子信号事件,从神经元到各种胶质细胞,从钙到ATP、多巴胺等多种生物信号,从中枢神经系统到各种器官和细胞类型,即使在原数据很低的信噪比,和信号复杂的情况下,AQuA2仍能表现出卓越的性能。同时该平台还提供了用户友好的图形界面和更清晰的参数设置方式,对2D、3D和多色成像的数据都能够做出高效的分析,这一研究为为神经科学、细胞生物学和药物研发等领域提供了强大的分析工具。

AQuA2的核心创新在于其独特的分析方法,能够克服传统技术的局限性。传统的数据分析方法主要分为两类:基于固定区域的ROI(感兴趣区域)分析和基于动态事件的事件分析。ROI方法适用于静态信号,但在分析具有复杂时空特征的信号时表现不佳;而事件分析方法虽然能捕捉动态变化,但难以整合信号背后的功能单元。AQuA2通过引入共识功能单元(CFU, Consensus Functional Unit)的概念,成功融合了两种方法的优势。CFU能够识别反复产生信号的空间区域,即使这些信号在大小、形状或传播模式上存在变化。这一技术突破使得研究人员能够更灵活地分析细胞、组织甚至器官级别的功能单元。

图2.AQuA2主要技术创新

此外,AQuA2采用了自上而下的分析框架,与传统的自下而上方法不同,AQuA2首先从宏观视野识别潜在活性区域,再逐步细化分析,这种方法能够整合更广泛范围内的信息,从而在低信噪比环境下表现出更好的鲁棒性。同时结合先进的机器学习算法BILCO,显著提高了信号检测的准确性和效率。准确性上,在低信噪比条件下,AQuA2的误检率仅为7%,远低于传统方法的88%;效率上,关键模块的运行时间缩短至1/10,内存占用降低90%,这使得AQuA2能够处理10倍规模的数据量,为大规模生物成像研究扫清了技术障碍。

研究团队利用AQuA2进行了多项实验,验证了其在复杂生物系统中的应用价值。在斑马鱼全脑成像实验中,科学家同时观测了神经元和星形胶质细胞的钙信号活动。通过AQuA2的分析,他们发现咖啡因的加入会显著改变两类细胞的互动模式。在正常状态下,神经元和星形胶质细胞的活动相对独立;而在咖啡因作用下,神经元的激活强度增加,同时星形胶质细胞的响应延迟缩短,两者信号的相关性显著增强。这一发现为理解咖啡因如何影响脑功能提供了新的线索。

图3.AQuA2识别咖啡因对斑马鱼星形胶质细胞和神经元信号模式的影响

在另一项小鼠脊髓成像研究中,AQuA2成功区分了感觉信号和运动信号的不同传播路径。传统分析方法只能手动划分固定区域,而AQuA2则自动识别出感觉信号从脊髓背侧传播,运动信号从腹侧起始的动态特征。这一成果揭示了脊髓中不同功能区域的协同机制,为研究运动控制和感觉处理提供了新视角。

图4.AQuA2揭示感觉和运动诱发的星形胶质细胞该信号在小鼠脊髓中的传播差异

AQuA2不仅仅是一个技术工具,更是连接微观分子活动与宏观生命现象的重要桥梁,它能够很大程度上便利我们从生物分子的角度研究神经系统、免疫反应、代谢调控等重要生命过程,在时空范畴上对生命过程做一个更宏观的了解,可能为精准医疗、智能药物开发等临床应用提供关键技术支撑。

供稿:清华大学自动化系、信息国家研究中心于国强团队

编排:丁亚娜

审核:丁贵广、王钰言