基于可生物解释的成像技术,结合无标记全息断层扫描,检测大型裸藻的百草枯胁迫状况

《Algal Research》:Biologically interpretable imaging-based detection of paraquat stress in Desmodesmus maximus supported by label-free holotomography

【字体: 大 中 小 】 时间:2026年07月07日 来源:Algal Research 4.6

编辑推荐:

  Phon-ubon Suanoi|Nitiphong Kaewman|Jeeraporn Pekkoh|Phasit Charoenkwan|Chayakorn Pumas•集成投票法提升了百草枯胁迫分类的准确性。•纹理描述符的表现优于简单的形态学特征。•小波特征和Haralic

  Phon-ubon Suanoi|Nitiphong Kaewman|Jeeraporn Pekkoh|Phasit Charoenkwan|Chayakorn Pumas•集成投票法提升了百草枯胁迫分类的准确性。•纹理描述符的表现优于简单的形态学特征。•小波特征和Haralick特征具有最强的分类效果。•全息断层扫描有助于确认关键描述符的结构意义。•该工作流程可实现对大型水生植物的胁迫状况进行可解释的检测。

引言
人为污染持续威胁着淡水生态系统与公众健康。在农业污染物中,甲基紫精(百草枯)因其广泛使用以及可能通过径流和排水进入水生环境而尤为值得关注。百草枯是一种非选择性除草剂,它通过干扰光系统I的电子传递过程,导致活性氧生成及氧化应激[1]、[2]、[3]。这一过程会损害细胞成分,降低叶绿素含量,妨碍光合作用,并抑制水生初级生产者的生长[4]。这类影响在淡水浮游植物中已有大量报道,凸显了百草枯污染在水生环境中的生态重要性[5]。

生物监测作为化学分析的重要补充,能够反映生物体对环境压力的综合生理反应。微藻因其快速生长、对污染物的敏感性以及作为初级生产者的生态重要性,尤其适合作为生物指示物[6]。其中,大型球形藻因其群体形态便于重复成像和定量结构分析,非常适合用于显微镜分析。先前的研究已表明,大型球形藻在接触百草枯后会出现一致的形态变化,这证明了其作为毒性评估模式生物的适用性[7]。

尽管具有这些优势,传统的基于显微镜的毒性评估仍依赖于视觉观察,这种方法耗时费力,且受观察者主观影响大,难以标准化。在毒性测试中,通常会记录群体外观、色素沉着、细胞结构及形态异常等特征,但这些观察结果往往属于定性描述,高度依赖专家判断。因此,将视觉观察转化为可重复的定量信息仍是藻类生态毒理学面临的一大挑战。

机器学习与图像分析技术越来越多地被应用于浮游植物分类、环境监测以及基于显微镜的表型分析[6]、[8]。自动图像分析可减少对人工检查的依赖,提升大规模图像数据集的处理效率。然而,并非所有图像分析方法都能提供同等水平的生物学见解[9]。深度学习目标检测模型虽能实现高精度分类,但卷积神经网络所学习的内部特征表示通常难以被生物学家、生态毒理学家或监管机构直接理解。一个模型或许能正确判定某个群体处于胁迫状态,却无法明确说明这一判定是基于色素变化、细胞内纹理、结构异质性、群体组织结构还是其他具有生物学意义的特征[10]。

近期研究强调了在生物图像分析中采用可解释人工智能的重要性。结合Grad-CAM和显著性映射的可解释深度学习方法表明,神经网络能够聚焦于具有生物学意义的图像区域,而非无关的伪影[11]。类似地,基于特征融合和描述符的机器学习策略在提升预测性能的同时,也保持了比传统深度学习模型更高的可解释性[12]。不过,一个关键问题依然存在:许多高性能模型如同“黑箱”,难以让人了解其预测结果背后的生物学特征[13]、[14]、[15]、[16]。在生态毒理学应用中,这种缺乏可解释性的问题限制了生物学的验证工作,也难以理解计算预测结果与实际观察到的胁迫反应之间的关联。

我们之前的研究通过采用OECD标准的毒性评估框架,确定大型球形藻是一种对百草枯敏感的生物指示物。在该研究中,我们检测了从亚致死剂量到高抑制剂量不等的百草枯浓度,量化了生长抑制和叶绿素含量下降情况,记录了与胁迫相关的形态变化,并确定了72小时的EC50值。此外,基于深度学习的对象检测框架也能以较高精度区分正常群体、空群体以及受百草枯胁迫的群体。这些结果表明,无论是专家的视觉观察还是基于深度学习的图像分析,都能可靠地区分受胁迫群体与对照组群体[10]。

然而,尽管成功实现了群体区分,但其背后的生物学机制仍未明确。具体而言,目前尚不清楚是哪些可观察的图像特征决定了受胁迫群体与对照组的差异,也不清楚这些特征是否对应于显微镜检查中所发现的具有生物学意义的特征。因此,在准确的群体识别与具有生物学意义的微观观察结果之间仍存在可解释性差距[17]。

本研究旨在弥补这一差距,通过开发一种基于描述符的图像分析框架,来评估与百草枯诱导的胁迫相关的、具有明确生物学意义的图像特征。与依赖内部学习特征的卷积神经网络检测不同,该工作流程系统地评估了一系列命名描述符,包括Haralick纹理特征、小波能量特征、局部二值模式、局部三值模式以及基于分割的分形描述符。这些描述符通过识别哪些图像属性最有助于区分胁迫状态,从而在定性的生物学观察与定量的图像分析之间架起桥梁。本研究并非仅仅判断某个群体是否处于胁迫状态,而是试图探究其为何会被判定为胁迫状态,以及那些通过计算识别的图像特征是否对应于具有生物学意义的形态变化。

为进一步支持生物学层面的解释,本研究还引入了无标记三维全息断层扫描作为辅助成像技术。全息断层扫描无需染色即可显示活细胞内的折射率分布,能够提供额外的结构信息,这些信息可与主要的计算描述符相互对比[18]、[19]、[20]。它并非用于直接验证单个描述符,而是为解释由描述符衍生的图像特征及其与胁迫相关形态之间的关系提供补充结构证据。

因此,本研究的目标是开发一种具有生物学可解释性的基于成像的技术流程,用于分析大型球形藻群体因甲基紫精作用而产生的胁迫形态变化。具体而言,研究目标包括:(i)从光学显微镜下的群体图像中提取一系列定量形状和纹理描述符;(ii)识别出能够区分对照组与受胁迫群体的描述符组合及特征子集;(iii)比较各种基础分类器,利用最稳定的分类器构建集成模型;(iv)结合观察到的胁迫相关形态变化以及全息断层扫描所得的结构特征,解读最具代表性的描述符。

总体而言,本研究为将计算图像分析与微藻的胁迫相关形态变化联系起来提供了具有生物学可解释性的框架。通过将基于描述符的机器学习与互补的结构成像技术相结合,该工作流程为未来开发成像生物标志物以及实现更标准化的藻类生态毒理学形态评估奠定了基础。

材料与方法
本研究所使用的实验体系基于我们之前发表的关于大型球形藻在甲基紫精(百草枯)作用下的OECD标准毒性评估研究。在那项研究中,通过生长抑制试验、叶绿素分析、显微镜观察以及基于深度学习的群体检测,我们确认大型球形藻是一种对百草枯敏感的生物指示物。研究检测了0.02、0.2和2毫克/升的百草枯浓度,最终确定72小时的EC50值为0.25毫克/升。

数据集获取
本研究中所用的对照组群体与受胁迫群体,均来自第2.1节所述的OECD标准百草枯毒性评估体系。我们整理出了331张数字显微照片,用以记录大型球形藻在对照组条件及百草枯胁迫条件下的形态差异。如图2A所示,对照组群体呈现出健康大型球形藻典型的群体形态,具有清晰的细胞边界和均匀的……

讨论
在之前的研究中,我们选择大型球形藻作为模式物种,是因为其相对较大的群体结构以及明显的胁迫相关形态变化,非常适合用于基于显微镜的图像分析。通过OECD标准的毒性评估框架,我们确认大型球形藻确实是对百草枯敏感的生物指示物。百草枯暴露会导致浓度依赖性的生长抑制、叶绿素含量下降以及与胁迫相关的形态变化……

结论
本研究开发了一种具有生物学可解释性的基于描述符的图像分析框架,可用于利用常规光学显微镜图像分析大型球形藻因甲基紫精作用而产生的胁迫状态。在之前基于OECD标准毒性评估及深度学习群体检测工作流程的基础上,本研究通过识别与胁迫引起的形态变化相关的明确图像描述符,弥补了现有方法在可解释性方面的不足。

优化后的集成模型

CRediT作者贡献声明
Phon-ubon Suanoi:撰写——初稿、验证、方法设计、研究实施、正式分析、数据整理、概念构思。Nitiphong Kaewman:可视化、方法设计、数据整理。Jeeraporn Pekkoh:撰写——审阅与编辑、监督、方法设计、概念构思。Phasit Charoenkwan:撰写——审阅与编辑、监督、方法设计、概念构思。Chayakorn Pumas:撰写——审阅与编辑、监督、资源协调、方法设计、资金获取、数据整理。

知识产权声明
我们确认已充分考虑与本研究所相关的知识产权保护问题,且在知识产权方面不存在任何影响论文发表的障碍,包括发表时间上的限制。同时,我们保证遵循所在机构关于知识产权的相关规定。

关于写作过程中生成式人工智能及人工智能辅助技术的声明
在准备本论文的过程中,作者们使用了Gemini AI工具进行语法校对。在使用该工具之后,作者们对内容进行了必要的审阅和修改,并对论文内容的真实性承担全部责任。

资金支持
本研究未获得任何资金支持。

利益冲突声明
作者们声明自己没有已知的可能影响本文研究结果的财务利益或个人关系。

致谢
第一作者的部分研究工作得到了清迈大学研究生院的资助。此外,本研究也得到了清迈大学的支持。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号