大规模图像数据集构建与质量控制：用于计算机模拟细胞生物学研究的标准化框架

为解决细胞-材料相互作用研究缺乏标准化、可复用数据集的问题，研究人员开展基于TopoChip平台的高通量成像研究，建立了包含>120万细胞、5500个形态特征的FAIR标准化数据集，开发了自动化图像采集、倾斜校正、分割及质量控制流程，为机器学习模型开发和生物材料发现提供了重要资源。

　　

在生物材料科学与细胞生物学交叉领域，理解细胞如何响应材料表面特性（如拓扑结构、化学性质和刚度）一直是推动医学植入物、再生疗法和组织工程发展的核心问题。尽管大量研究已证实材料表面特性与细胞行为（如粘附、增殖、分化和组织整合）之间存在显著相关性，且基于这些发现的新型生物材料（如骨诱导微孔磷酸钙陶瓷、酸蚀钛牙科植入物和抗生物膜聚合物）已成功应用于临床，但该领域仍面临重大挑战：高通量筛选（HTS）平台产生的数据缺乏标准化、可互操作和可重用的管理框架，导致研究成果难以通用化和规模化应用。

与传统转录组学和药物筛选领域已建立的FAIR（可查找、可访问、可互操作、可重用）数据实践和成熟数据库（如GEO、Expression Atlas）相比，生物材料筛选数据往往存在实验设计差异大、注释元数据缺乏和公共存储库缺失等问题，造成数据孤岛，限制了其广泛应用。特别是在基于图像的高内涵筛选（HCI）中，复杂的材料表面（如微纳米级几何结构）会引入成像伪影，增加下游分析难度，需要定制化的成像和图像处理解决方案。

为此，研究人员在《Materials Today Bio》发表了题为"Acquisition, Quality Control, and Architecture of a Large Image Dataset as a Tool for In Silico Cell Biological Research"的研究论文，旨在建立一个大规模、标准化、FAIR对齐的图像数据集和分析流程，为计算机模拟发现细胞-材料相互作用提供开放资源。该研究以条件永生化足细胞（ciPODs）为模型，利用TopoChip平台培养细胞于2,176种不同微拓扑表面，通过自动化成像、倾斜校正、对象分割和多层次质量控制，最终获得超过120万个细胞的5,500多个形态特征，所有数据均配有结构化元数据、标准化文件架构和本体论注释，确保完全互操作性和即用性。

研究采用的关键技术方法包括：1）TopoChip制备与质量验证：通过反应离子蚀刻和热压印技术制备聚苯乙烯拓扑芯片，并使用轮廓仪进行质量评估；2）细胞培养与免疫染色：将足细胞接种于拓扑芯片，经固定后对细胞核（DAPI）、F-肌动蛋白（phalloidin）和足细胞标记蛋白nephrin进行多通道荧光染色；3）高通量成像：采用Nikon Ti2倒置显微镜进行Z-stack成像，通过最大强度投影整合信号；4）图像处理与分割：利用ImageJ进行图像对齐和裁剪，采用CellProfiler管道进行光照校正和对象分割；5）质量控制与特征提取：通过细胞计数、核质面积比和强度分布等指标过滤异常数据，提取形态和强度特征。

研究结果部分通过多个维度展示了数据集的质量和应用潜力：

TopoChip制备：成功制备并表征了具有2,176种独特微拓扑的聚苯乙烯芯片，亮场成像确认了芯片的精确和可重复结构。

足细胞形态变化：足细胞在拓扑表面表现出显著的形态差异，包括细胞核不规则、面积减小，F-肌动蛋白应力纤维重组和nephrin信号重新分布，表明拓扑图书馆诱导了异质性细胞响应。

多尺度分析与信号定位：通过Z-stack成像和最大强度投影，成功捕获nephrin信号的空间分布，提取了130,680张单个TopoUnit图像，为下游分析提供丰富数据。

成像与分割管道优化：开发并优化了基于强度的分割管道，通过代表性样本池（RSP）调整参数，确保分割准确性，最终识别1,213,838个细胞，提取5490个特征/细胞。

异常值检测与去除：实施三层质量控制（芯片、对象和TopoUnit水平），基于细胞计数和核质面积比等指标去除异常数据，获得31,920张图像和1,122,245个细胞的精选数据集。

数据集结构与丰富性：分析显示细胞核面积等特征在单细胞和TopoUnit水平分布不同，证实数据集保留了生物学相关变异，适用于多样下游分析。

表面排名与机器学习分析：通过LightGBM分类器成功预测基于拓扑设计描述符（TDDs）的细胞计数分类，SHAP分析揭示拓扑特征（如柱长度、形状圆形度）的预测重要性，证明数据集的机器学习适用性。

研究结论与讨论部分强调，该研究不仅提供了一个大规模、高质量的图像数据集，更重要的是建立了一个可扩展、可重复和FAIR对齐的工作流程，为生物材料筛选领域的标准化和数据共享树立了新标杆。通过整合高通量成像、自动化分割、严格质量控制和开放数据架构，该资源支持机器学习基准测试、表型发现和假设生成，有望加速生物材料的计算机辅助设计和发现。未来工作将聚焦于扩展数据维度（如3D分割、转录组整合）、开发用户友好界面以及促进跨实验室基准测试，最终推动生物材料研究向更开放、协作和标准化的方向发展。