深度学习助力单颗粒追踪分析：实现扩散与功能的自动关联及生物学意义挖掘

在生命系统中，从亚细胞环境里分子和细胞器的扩散中提取功能信息困难且费力。研究人员开发 DeepSPT 深度学习框架，能快速高效解读物体扩散行为。该框架可用于自动绘制病毒感染早期事件，识别内体细胞器等，为探索分子和亚细胞层面的功能提供新途径。

　　在生命系统中，亚细胞扩散反映了细胞过程和相互作用。光学显微镜的最新进展使得以前所未有的精度追踪单个物体的纳米级扩散成为可能。然而，从亚细胞环境中分子和细胞器的扩散中不可知且自动地提取功能信息既费力又极具挑战性。在这里，研究人员引入了 DeepSPT（深度学习辅助单颗粒追踪，Deep learning-assisted Single Particle Tracking），这是一个集成在分析软件中的深度学习框架，能够快速、高效且不可知地解读物体在二维或三维空间中的扩散时间行为。为展示其通用性，研究人员将 DeepSPT 应用于病毒感染早期事件的自动绘制，在短短几秒内就能识别内体细胞器（endosomal organelles）、网格蛋白包被小窝（clathrin-coated pits）和小泡（vesicles）等，F1 分数分别达到 81%、82% 和 95%，而以往完成这些工作可能需要数周时间。DeepSPT 能仅从扩散中有效提取生物学信息，这表明除了结构外，运动在分子和亚细胞层面也编码着功能。