编辑推荐：
为解决传统数据集仅聚焦二维精子运动或静态形态特征的局限，研究人员开展人类精子 3D+t 多焦点成像研究，构建 3D-SpermVid 数据集，含 121 个多焦点视频显微超栈，为精子运动分析及 fertility 研究提供新资源。
在生命科学与生殖医学领域，人类精子的运动机制与受精能力的研究一直是备受关注的重要课题。传统的研究手段往往依赖二维（2D）精子运动分析或静态形态学观察，难以捕捉精子在三维（3D）空间中复杂多变的动态行为，尤其是精子获能（Capacitation）过程中关键的超激活（Hyperactivation）运动模式。这些局限使得科学家们难以深入理解精子如何在女性生殖道的复杂 3D 环境中导航并完成受精，也制约了男性生育力评估技术的创新。
为了填补这一研究空白，来自墨西哥国立自治大学（Universidad Nacional Autónoma de México）等机构的研究人员开展了一项具有突破性的研究。他们构建了首个公开的 3D+t 多焦点成像人类精子数据集（3D-SpermVid），相关成果发表在《Scientific Data》。该研究通过先进的成像技术，首次实现了对精子在非获能条件（NCC）和获能条件（CC）下动态运动的 3D 时空解析，为揭示精子运动的奥秘提供了关键数据支撑。
研究人员主要采用了多焦点成像（MFI）系统这一关键技术。该系统基于配备压电装置的光学显微镜，通过压电装置以 90 Hz 频率和 20 μm 振幅在 z 轴方向调整焦点，结合高速相机以 5000-8000 fps 的帧率记录精子在体积空间内的运动，从而获取包含时间维度的 3D 图像序列（3D+t）。实验样本来自符合世界卫生组织（WHO）标准的健康捐赠者，经游泳分离法筛选高活力精子，分别在 NCC 和 CC 条件下培养，最终获得 121 个多焦点视频显微超栈，数据总量达 272 GB。
数据记录与特征
3D-SpermVid 数据集包含 12 个存储库，其中 NCC 组 49 个细胞记录，CC 组 72 个细胞记录。每个超栈由 29-45 个焦平面组成，覆盖 20±2 μm 的深度，时间跨度 1-3.5 秒，对应 90-315 个时间帧。数据以 TIF 格式存储，配套有元数据文件和 z 轴坐标 CSV 文件，便于后续的时空分析。值得注意的是，CC 组中仅约 10-20% 的精子会发生超激活，数据集未对细胞进行预分类，为开发超激活精子分类算法提供了原始数据基础。
技术验证与数据处理
研究团队对超栈数据进行了严格的技术验证。通过手动检查原始图像序列确保无伪影，利用 ImageJ 的 StackReg 插件校正压电振动引起的 XY 平面漂移，并同步相机与压电装置的信号以保证焦平面精度。数据可通过 ImageJ 或 Python 的 scikit-image 库进行处理，配套代码公开于 GitHub，便于研究者进行深度学习模型训练和图像分析算法开发。
研究意义与应用前景
3D-SpermVid 数据集的发布具有多方面的重要意义。在基础研究领域，它为解析精子鞭毛运动的 3D 模式、获能过程中的动态变化及分子马达自组织机制提供了前所未有的数据支持；在技术创新层面，可用于开发新一代计算机辅助精子分析（CASA）系统和基于深度学习的精子运动分析算法，提升男性生育力诊断的准确性；在临床应用方面，有助于识别与受精能力相关的关键运动特征，为不孕不育的诊断和治疗提供新的靶点。
这项研究不仅突破了传统精子分析的技术瓶颈，更通过公开数据集的方式推动了跨学科合作。随着机器学习和 3D 成像技术的进一步发展，3D-SpermVid 数据集有望在生殖医学、生物物理学和细胞生物学等领域引发更多创新性研究，为理解人类生育机制和开发新型诊断工具奠定坚实基础。其数据驱动的研究模式也为其他复杂生物系统的动态分析提供了可借鉴的方法学范例。
