基于深度学习去卷积与荧光膜分割的高精度细菌细胞尺寸谱分析

《Communications Biology》：Deep-learning deconvolution and segmentation of fluorescent membranes for high-precision bacterial cell-size profiling

　　

细菌进化研究长期以来侧重于遗传和代谢多样性，而细胞尺寸变异受到的关注较少。研究人员介绍了一种名为 MEDUSSA（MEmbrane DeconvolUtion and Segmentation for Size Analyses，用于尺寸分析的膜去卷积与分割）的高通量方法，该方法基于荧光膜图像的自动分割，适用于研究细菌细胞尺寸多样性。该方法利用基于深度学习的膜去卷积技术、针对荧光膜图像微调的分割模型以及误差校正的细胞测量技术，从单个细菌细胞中提取精确尺寸，不受其形状、大小、链状或簇状排列的影响。此方法克服了相差显微镜分割的局限性，能够提供可靠的单细胞尺寸数据。研究人员将该方法应用于六株巨大芽孢杆菌（Priestia megaterium），发现不同菌株间的细胞体积存在超过两倍的差异，且主要由细胞宽度的差异驱动。研究还鉴定出一个部分功能的青霉素结合蛋白 1（PBP1）等位基因，该基因导致了其中一株菌细胞宽度的减小。这些结果证明了比较分析在细菌细胞生物学中的强大能力，并扩展了研究细菌细胞尺寸进化的工具包。

**细菌细胞尺寸多样性的深度解析：MEDUSSA 流程的开发与应用**

**研究背景与意义**
细菌细胞常被视为形态均