编辑推荐：
为解决 3D 细胞培养形态研究不足的问题，研究人员开展关于 Spheroid Light Microscopy Image Atlas（SLiMIA）的研究，创建含约 8000 张图像的开放资源。其有助于 3D 细胞培养优化等，推荐科研读者阅读。
在生物学研究的微观世界里，细胞就像一个个神奇的小积木，它们的组合方式和形态变化蕴含着无数的奥秘。近年来，三维（3D）细胞培养技术逐渐崭露头角，其中像球体（spheroids）和类器官（organoids）这样的 3D 细胞培养形式，在学术界和工业界都越来越受欢迎。这是因为 3D 细胞培养能让细胞处在更接近体内环境的状态，它们可以像在身体里一样，相互紧密接触、交流，感受氧气、营养物质的浓度变化 ，这种环境下细胞呈现出的表型（也就是细胞的各种特征和行为）更接近体内真实的细胞状态。
然而，在这个看似前景无限的研究领域，却存在一个被大家忽视的问题。虽然 3D 细胞培养发展得红红火火，但对于 3D 细胞培养物的形态研究却少之又少。就好比我们盖了一座漂亮的房子，却很少去仔细研究这座房子的外观形状、结构特点。要知道，细胞的形态可不是简单的外在表现，它往往和细胞的功能、行为以及生物学特性紧密相连。打个比方，如果把细胞看作是一个城市，细胞的形态就是这个城市的布局，不同的布局会影响城市里各种活动的开展。所以，对 3D 细胞培养物形态的研究至关重要，它能帮助我们更深入地了解细胞的奥秘，为生物医学研究提供关键的信息。
为了解开这个谜题，研究人员们展开了一场探索之旅。[第一作者单位] 的研究人员在《Nature Scientific Data》期刊上发表了一篇名为《Spheroid Light Microscopy Image Atlas (SLiMIA): an open-access resource for 3D cell culture morphology studies》的论文。这篇论文带来了令人惊喜的成果，研究人员创建了一个名为 Spheroid Light Microscopy Image Atlas（SLiMIA）的开放获取资源，它就像是一本装满 3D 细胞培养形态奥秘的宝典，可以作为研究 3D 细胞培养形态学的训练集。这个宝典里包含了大约 8000 张球体的图像，而且每张图像都附带了丰富的 “小秘密”—— 各种元数据，比如使用了 9 种显微镜、47 种细胞系、8 种培养基、4 种球体形成方法以及多种细胞接种密度等信息。这个全面的数据集意义非凡，它不仅能为研究球体的科研人员指明方向，还能通过推动 3D 细胞培养的优化、标准化和广泛应用，帮助整个科研社区节省大量的时间和资源。而且，随着人们对球体形态测量分析的兴趣呈指数级增长，以及相关技术的不断涌现，SLiMIA 还能用来训练和开发图像分割模型，让我们对生物医学研究中的 3D 球体形态测量有更深入的理解。
在这场探索之旅中，研究人员用到了几个关键的技术方法。首先是细胞培养技术，他们从不同的地方收集了各种各样的细胞系，像美国典型培养物保藏中心（ATCC）、西格玛奥德里奇（Sigma Aldrich）等，然后把这些细胞培养成球体。为了让细胞形成球体，他们采用了多种方法，比如液体覆盖法（在超低附着板、琼脂糖包被板和微芯片上进行）和悬滴法。接着，研究人员使用多种显微镜对这些球体进行观察和拍照，记录下它们的形态。之后，他们利用 AnaSP（v1.4）软件对图像进行处理，提取球体的形态参数，还进行了主成分分析（PCA），来研究不同细胞系球体形态的差异。另外，为了保证图像数据的质量，他们对图像进行了手动分割和技术验证。
下面让我们一起深入看看研究人员都有哪些有趣的发现吧。
3D 细胞培养的优势及球体形态差异
研究人员发现，当贴壁细胞被悬浮成单个细胞，并且处于它们无法附着的环境中时，这些细胞就会像有自己的想法一样，自动聚集在一起，形成 3D 的多细胞聚集体，也就是球体。和传统的二维（2D）细胞培养相比，球体中的细胞能体验到类似体内的细胞间相互作用。在 2D 培养中，细胞就像平铺在地上的积木，彼此之间的交流比较有限；而在 3D 球体中，细胞们紧紧地挤在一起，就像住在高楼里的邻居，相互之间有更多的互动。这种互动会让细胞呈现出更接近体内细胞的表型。而且，不同细胞系形成的球体在形态上有很大的差异。研究人员通过对 11 种细胞培养物的球体进行主成分分析（PCA）发现，从大而紧密的 HCT116 球体到小而松散的 SAR121 球体，它们在形态上有明显的聚类现象。这就好比不同的细胞系有自己独特的 “建筑风格”，建造出的球体形态各不相同。
SLiMIA 的创建及特点
由于光学显微镜是观察和评估球体形态最常用的方法，研究人员受到启发，创建了 SLiMIA。SLiMIA 是目前最大的开放获取 3D 细胞培养图像数据库，里面包含了来自 47 种癌细胞和非癌细胞系的 7990 张球体图像，还附带了详细的方法学元数据，比如细胞来源、细胞接种密度、培养基和球体形成方法等。这些数据就像是给每张图片贴上了详细的标签，方便研究人员根据自己的需求去搜索和使用。研究人员可以通过 Figshare 平台访问、查看和下载这个数据集，这大大提高了数据的共享性和可用性。
图像数据处理与分析
为了更好地研究球体的形态，研究人员对图像进行了一系列处理。他们使用 AnaSP（v1.4）软件对球体图像进行分割，提取出形态参数，比如大小、圆形度、紧凑度等。通过这些参数，他们能更准确地描述球体的形态特征。而且，为了保证图像分析的准确性，他们还进行了手动分割，把球体的前景和背景区分开来，这些手动分割的图像就像是 “标准答案”，可以用来验证自动分割的结果。此外，为了保留更多的元数据，方便后续的处理和分析，他们把图像从.jpg 或.tiff 格式转换成了 ome.tiff 格式。
图像质量验证
在数据的可靠性方面，研究人员也做了很多努力。他们安排了两位独立的观察者（AP 和 SK）对图像的质量进行严格检查。观察者们就像挑剔的 “质检员”，特别关注图像的焦点是否清晰、球体的边界是否完整显示、图像中有没有像灰尘这样的非细胞颗粒干扰对球体结构的观察。如果发现不符合要求的图像，就会把它从数据集中剔除。对于图像的亮度和对比度，他们也进行了评估，因为这些参数可以通过大多数图像软件进行调整。经过这样严格的筛选和评估，留下来的数据质量更可靠，为后续的研究提供了坚实的基础。
通过这项研究，研究人员成功创建了 SLiMIA 这个强大的资源，为 3D 细胞培养形态学研究提供了宝贵的工具。它不仅包含了大量不同条件下的球体图像和丰富的元数据，还能帮助研究人员更好地理解球体形态与各种因素之间的关系。这对于推动 3D 细胞培养技术的发展、优化生物医学研究中的实验条件以及开发新的治疗方法都有着重要的意义。
不过，研究人员也清楚，目前的研究只是一个开始，还有很多问题需要进一步探索。比如，虽然知道球体的形态会受到多种因素的影响，但具体是哪些形态参数对球体的生物学特性影响最大，还需要深入研究。未来的研究可以聚焦在药物处理后的球体图像上，看看药物是如何改变球体的形态和生物学行为的。而且，利用 Z 投影图像来研究球体的 3D 几何结构，也许能发现更多关于细胞来源和球体生物学的秘密。总之，SLiMIA 的出现为 3D 细胞培养形态学研究打开了一扇新的大门，让我们期待研究人员在这个领域能有更多精彩的发现，为生物医学的发展带来更多的惊喜！
