编辑推荐：
在研究脂肪细胞脂质大小时，现有工具在分析共聚焦 z-stack 图像时面临挑战。研究人员开发了 MATLAB 脚本 PixCell。结果显示，PixCell 在多种样本中准确率超 80%，能有效检测和测量脂质。这为临床和临床前研究提供了更可靠的分析工具。
在人体健康的 “能量版图” 中，脂肪组织占据着极为重要的位置。它如同一个动态的能量 “宝库”，通过储存和释放脂质，为身体的各项活动提供能量支持 。其中，脂肪细胞作为脂肪组织的 “基本单元”，其大小变化蕴含着健康的 “密码”。肥大的脂肪细胞往往与胰岛素抵抗、炎症因子分泌增加等不良状况紧密相连，这些都可能成为肥胖、糖尿病等疾病发生发展的 “导火索”。
在临床和科研领域，准确测量脂肪细胞大小及脂质含量是深入了解相关疾病机制的关键一步。然而，传统的分析工具大多是为苏木精 - 伊红（H&E）染色图像 “量身定制” 的。当面对共聚焦显微镜生成的 z-stack 图像时，这些工具就 “力不从心” 了。因为共聚焦免疫荧光成像存在细胞内强度梯度、细胞间差异大等复杂情况，图像中的阴影和缺陷也会干扰分析，导致现有工具难以准确识别和测量脂肪细胞。于是，为了解开这些难题，来自卡内基梅隆大学（Carnegie Mellon University）的 Elizabeth K. Johnston、Tal Dassau 等研究人员开展了一项旨在开发更精准分析脂肪细胞脂质工具的研究。他们成功开发出了一款名为 PixCell 的 MATLAB 脚本，并对其性能进行了全面评估。该研究成果发表在《Scientific Reports》上，为脂肪细胞相关研究开辟了新的道路。
研究人员在开展此项研究时，运用了多种关键技术方法。在样本制备方面，从匹兹堡大学医学中心（University of Pittsburgh Medical Center）获取皮下脂肪组织，将其处理后用于构建不同的脂肪组织模型，包括接种到丝质支架和胶原蛋白凝胶中。成像技术上，采用共聚焦显微镜对样本进行成像，获取脂质通道的最大强度投影图像。分析方法上，利用自行开发的 PixCell，结合 AdipoQ、CellProfiler 等软件以及手动分析方法，对图像中的脂肪细胞进行检测和测量 。
研究结果如下：
- PixCell 算法原理：PixCell 对共聚焦显微镜获取的脂质最大强度投影图像进行灰度化处理，通过阈值分割区分前景和背景。利用脂质的近似圆形特征，排除直径小于 5μm 和大于 300μm 的对象（分别被认为是分辨率造成的伪影和超出人类脂肪细胞最大直径）。对较高强度的脂肪细胞进行掩膜处理后，再次进行局部自适应阈值分割，以捕获低强度的脂肪细胞，通过 UniqueTol 函数去除重复的脂肪细胞。
- PixCell 在不同样本中的准确性：在对切除的人体脂肪组织进行分析时，PixCell 的准确率达到 85.51%。不过，当脂肪细胞边缘仅有小部分可见、细胞难以辨别或存在物体重叠，以及有非特异性结合等伪影干扰时，PixCell 的测量会出现误差。在脂肪细胞负载的胶原蛋白凝胶样本中，由于细胞间空间较大，PixCell 的准确率最高；而丝质支架因自身荧光会被误判为脂质，影响 PixCell 在该样本上的准确性 。
- 与其他分析方法的比较：研究人员选取了脂肪抽吸物接种支架的图像，分别用 PixCell、AdipoQ、CellProfiler 软件以及手动分析方法进行对比。结果发现，不同方法测量得到的脂肪细胞直径频率分布存在差异。AdipoQ 在区域像素强度一致的图像中表现良好，但在强度变化大的图像中效果不佳；CellProfiler 有时会出现分割不足或过度分割的情况；而 PixCell 在不同强度区域和图像中表现更为稳定，能更一致地捕获脂肪细胞 。
- PixCell 在表征肥胖个体脂肪组织中的应用：研究人员利用 PixCell 分析了脂肪细胞肥大诱导前后的图像。结果显示，PixCell 在测量肥大脂肪细胞时略有低估，但仍能检测到诱导后脂肪细胞直径的增加，这与肥大脂肪细胞的特征相符。此外，PixCell 还能将细胞外脂质与脂肪细胞数据分离并单独分析 。
在研究结论和讨论部分，PixCell 的出现为脂肪细胞脂质分析带来了新的希望。尽管它在某些情况下存在局限性，如脂肪细胞重叠、伪影干扰等会影响准确性，但在多个体外组织和体内组织工程平台上，它都展现出了稳定的准确性。同时，它还能有效识别和测量肥大诱导前后的脂肪细胞，且具有良好的通用性，可用于分析其他实验室获取的脂肪图像。PixCell 的应用将有助于科研人员更深入地研究肥胖、糖尿病等与脂肪细胞相关的疾病，为开发新的治疗方法和药物提供有力的技术支持，推动生命科学和健康医学领域的进一步发展。
