《SCIENCE ADVANCES》：GraFT: A robust network-based spatiotemporal analysis of filamentous structures
编辑推荐：
肌动蛋白细胞骨架形成了一个动态网络，由捆绑时保持柔韧性的丝状体组成，导致植物细胞中复杂的丝状结构(Filamentous Structures, FS)。了解不同条件和细胞类型下这些丝状结构的特性，可以为其功能提供见解。然而，尽管植物肌动蛋白细胞骨架的研究取得
肌动蛋白细胞骨架形成了一个动态网络，由捆绑时保持柔韧性的丝状体组成，导致植物细胞中复杂的丝状结构(Filamentous Structures, FS)。了解不同条件和细胞类型下这些丝状结构的特性，可以为其功能提供见解。然而，尽管植物肌动蛋白细胞骨架的研究取得了进展，但对肌动蛋白丝状结构(Actin Filamentous Structures, AFS)的分割和识别仍然具有挑战性，阻碍了其时空特性的量化。为了解决这个问题，研究人员设计了一种基于网络的方法，称为Graph of Filaments over Time (GraFT)，用于在从二维时间序列成像数据中提取的细胞骨架网络中追踪和跟踪丝状结构。利用合成测试用例和暴露于不同处理的拟南芥(Arabidopsis thaliana)下胚轴的实际肌动蛋白细胞骨架网络进行的比较分析表明，GraFT能够准确地追踪和跟踪肌动蛋白丝状结构。此外，GraFT促进了对丝状结构特性的自动化量化，为不同处理对单个结构水平的影响提供了细粒度的见解。因此，GraFT为实现植物肌动蛋白细胞骨架鲁棒的时空研究的自动化框架迈出了重要一步。
论文解读：GraFT——一种用于丝状细胞骨架时空分析的网络计算方法
本研究聚焦于植物细胞骨架中肌动蛋白丝状结构（Actin Filamentous Structures, AFS）的动态解析。植物细胞中的肌动蛋白细胞骨架由高度异质性、弯曲且动态的丝状体构成，其网络组织的复杂性使得传统的分割与追踪方法面临巨大挑战。现有的直接基于成像数据的方法（如SOAX/TSOAX）对噪声敏感，而基于局部拼接的方法容易因贪婪算法积累误差，忽视全局结构。虽然已有网络表示方法（如DeFiNe）试图解决这一问题，但其依赖随机生成树近似，难以有效处理高度弯曲的AFS且计算成本高昂。鉴于此，研究人员开发了全自动框架GraFT（Graph of Filaments over Time），旨在实现对丝状网络，特别是植物肌动蛋白细胞骨架的高效、鲁棒时空分析。该研究成果发表于《SCIENCE ADVANCES》。
为实现上述目标，研究人员采用了几项关键技术方法：首先，构建了基于Visvalingam-Whyatt (VW)算法的精细网络表征，通过在预定线段上保留高曲率点来准确捕捉丝状体的弯曲度；其次，应用Frangi血管增强滤波器进行图像预处理以增强丝状结构并抑制背景噪声；随后，采用约束深度优先搜索（constrained depth first search, cDFS）结合最小路径覆盖概念来近似求解NP-hard的丝状体覆盖问题，从而识别FS；最后，通过将FS追踪转化为指派问题（assignment problem），利用端点距离构建代价矩阵实现跨时间帧的跟踪。实验数据来源于拟南芥（Arabidopsis thaliana）下胚轴细胞的合成数据集及实际活体成像。
研究结果部分，首先，GraFT促进了FS的自动化追踪与跟踪。研究表明，GraFT基于约束深度优先搜索，能够从网络表征中有效提取长路径作为FS，并通过指派问题实现时间序列中的轨迹关联，输出包括FS长度、杆长、弯曲比（bendiness ratio）、相对于细胞主轴的角度及运动距离等多种量化参数。
其次，GraFT在FS追踪与跟踪方面优于现有技术。通过在100幅合成2D图像上的基准测试，对比TSOAX和DeFiNe发现，GraFT在低密度网络中表现最佳，在密集网络中亦优于DeFiNe并与TSOAX相当。具体而言，DeFiNe倾向于将FS破碎化，而TSOAX易从背景噪声中识别出假阳性FS。在跟踪性能测试中，GraFT在20帧时间序列中保持了约90%的稳定性能，显著优于TSOAX。
第三，GraFT捕获了下胚轴细胞发育过程中肌动蛋白细胞骨架的动态变化。通过对5天龄暗培养的拟南芥下胚轴不同区段（幼嫩、扩展、成熟细胞）的分析发现，随着细胞成熟，肌动蛋白网络从小世界网络向异质性网络转变，网络密度降低。扩展细胞表现出最稀疏的网络，却含有最长且最直的静态AFS。这些长而直的AFS在幼嫩和扩展细胞中大量存在，而在成熟细胞中几乎消失，表明其在细胞生长和支持结构中发挥关键作用。
第四，GraFT捕获了Latrunculin B (LatB)处理引起的细胞骨架重组。利用全内反射荧光显微镜（TIRF）观察Lifeact-Venus标记的肌动蛋白，研究发现随着LatB处理时间延长（0至30分钟），网络密度下降，AFS的平均运动性显著降低，且长AFS几乎静止。同时，强度每长度比（intensity per length）的变化表明，LatB处理后细丝解聚，而束状AFS受影响较小，且该效应在光下生长的幼苗中更为显著。
最后，GraFT捕获了毒力因子处理下的肌动蛋白细胞骨架动态。针对两种微生物处理（Xanthomonas campestris pv. campestris产生的扩散信号因子DSF和病原相关分子模式鞭毛蛋白flg22），GraFT分析显示DSF导致网络密度降低和运动性下降，而flg22则诱导了更具活性的细胞骨架，但两者的处理均干扰了AFS的方向性，使其相对于细胞主轴的排列更加随机。
在讨论部分，研究人员指出，GraFT通过高效的近似算法解决了丝状体覆盖问题的计算难题，其贪心策略天然倾向于长而持久的丝状体，这与真实生物实验中观察到的现象相符。尽管当前版本在处理连续多帧缺失的微弱AFS方面存在局限，但其在多种显微模态（共聚焦、TIRF）下的鲁棒性已得到验证。该研究揭示了拟南芥下胚轴不同发育阶段肌动蛋白网络的重组规律，明确了LatB对长束状AFS的选择性影响，并区分了DSF与flg22对细胞骨架的相反作用机制。GraFT的开源Python实现为丝状网络的全自动时空分析提供了强有力的工具，极大地推动了植物细胞骨架及相关领域的定量研究。
