编辑推荐：
为解决体内显微镜技术通量有限、缺乏公开数据集影响细胞死亡自动检测算法发展的问题，研究人员开展了描绘炎症条件下小鼠脾脏和淋巴结中中性粒细胞、嗜酸性粒细胞和树突状细胞死亡的显微镜视频数据集研究。获得含多种数据的数据集，为细胞死亡研究提供关键资源。
细胞死亡在生命活动中扮演着极为关键的角色，它参与了众多生理和病理过程。在正常的生理状态下，每天都有大量受损或功能异常的细胞通过凋亡（apoptosis）的方式 “自我了断” ，为新生的健康细胞腾出空间，这一过程对于维持组织的发育和内环境稳定（homeostasis）至关重要。同时，细胞死亡也是机体防御机制的重要一环，能够清除功能异常或被感染的细胞，从而预防癌症、传染病等疾病的发生。免疫细胞的死亡更是在免疫反应的启动、抗原特异性细胞的选择等方面发挥着不可或缺的作用。
从细胞形态学的角度来看，细胞死亡有多种类型，其中凋亡具有一些典型的特征，比如染色质浓缩、细胞皱缩、细胞膜起泡以及凋亡小体的形成。凋亡小体是一种包裹着细胞质的膜泡，它能够防止细胞内的警报信号泄漏到细胞外空间，避免引发过度的炎症反应，因此凋亡过程在免疫学上被认为是相对 “安静” 的。
在研究细胞死亡的众多技术中，体外成像虽然能够对多种实验条件进行精确控制，但是却无法真实反映免疫系统在活组织内的复杂行为。而 2- 光子活体显微镜（2P-IVM）技术则可以实时地呈现细胞在生理环境中的状态，为研究体内细胞死亡提供了有力的工具。然而，获取高质量的 2P-IVM 影像并非易事，手术操作的复杂性、样本的光漂白现象以及成像部位的稳定性等问题，都限制了大规模体内凋亡数据集的生成。此外，现有的 2P-IVM 影像缺乏公开性，难以被重复利用，这对于那些需要大量数据集进行比较分析或算法开发的研究来说，无疑是一个巨大的阻碍。特别是在深度学习（DL）算法蓬勃发展的今天，这些算法对数据的需求量极大，数据的匮乏严重影响了相关研究的进展。
为了解决这些问题，来自瑞士生物医学研究所（Institute for Research in Biomedicine）等多个研究机构的研究人员开展了一项重要的研究。他们精心构建了一个全面的数据集，用于捕捉体内具有凋亡样形态的细胞死亡事件。该研究成果发表在《Scientific Data》上。
在这项研究中，研究人员主要运用了以下关键技术方法：首先，利用 2P-IVM 技术对小鼠的淋巴器官（包括淋巴结和脾脏）进行成像，获取不同实验条件下免疫细胞的影像数据。实验选用的小鼠饲养于无病原体动物设施中，在成像前用甲苯噻嗪（10 mg/Kg）和氯胺酮（100 mg/Kg）的混合剂进行麻醉。其次，使用 Imaris 成像软件对显微镜视频进行细胞检测、追踪和体积重建，之后再通过定制的 Matlab 和 Python 脚本对数据进行进一步分析。此外，研究人员还通过手动追踪和语义注释的方式，对细胞死亡事件进行标注，以确保数据的准确性和可靠性。
实验数据记录
技术验证
- 成像采集：研究人员评估了数据集的图像质量，计算了每个采集数据的信噪比（SNR），平均 SNR 为 10，表明图像质量良好。同时，数据集中电影的采样率在 15 - 60 秒之间，较高的采样率确保了能够准确捕捉细胞死亡等快速动态过程。此外，研究人员还对细胞密度相关参数进行了估计，发现数据集中细胞数量和聚类系数存在差异，这有助于研究人员在不同复杂程度的场景下测试检测算法。
- 凋亡样事件：由于缺乏特定的凋亡报告基因，研究人员采用 “凋亡样” 这一术语来描述所有与凋亡形态相似的细胞死亡事件。他们评估了数据集中事件的变异性，包括细胞破裂的平均时间、细胞的平均位移和破裂过程的总持续时间，为算法开发提供了重要信息。
- 操作员注释：研究人员引入了一致性比率来评估注释过程中操作员之间的变异性。注释凋亡样事件的平均一致性比率为 0.6，而注释特定阶段时，该比率显著提高到 0.9，说明操作员在识别不同阶段时具有较高的一致性。
研究结论与讨论
这项研究构建的体内显微镜数据集具有重要意义。对于细胞生物学家而言，该数据集可作为研究体内白细胞死亡的参考，有助于开展初步和比较研究，深入了解细胞死亡过程的形态、持续时间以及对邻近细胞的招募等特性。对于计算机科学家来说，利用这些原始数据和注释，能够进行细胞死亡的分类、检测和分割等任务，开发基于深度学习的算法。例如，可通过创建个性化训练数据集，训练卷积网络（CNNs）等深度学习架构，对凋亡样细胞图像进行分类；也可以利用该数据集探索在包含多个细胞的视野中检测凋亡样事件的新方法，以及通过编码器 - 解码器架构进行细胞分割。总之，该数据集为细胞死亡研究领域提供了宝贵的资源，推动了细胞死亡研究在多个层面的发展，有望为相关疾病的理解和治疗带来新的思路和方法。
