数字化类器官：多层分割与细胞拓扑的集成管线实现类器官结构高速 3D 分析
Digitalized organoids: integrated pipeline for high-speed 3D analysis of organoid structures using multilevel segmentation and cellular topology
Hui Ting Ong, Esra Karatas, Titouan Poquillon, Gianluca Grenci, Alessandro Furlan, Florian Dilasser, Saburnisha Binte Mohamad Raffi, Damien Blanc, Elise Drimaracci, Dimitri Mikec, Gaetan Galisot, Blake A. Johnson, Albert Zou Liu, Cora Thiel, Oliver Ullrich, OrgaRES Consortium, Victor Racine, Anne Beghin | Nature Methods 2025 | DOI: 10.1038/s41592-025-02685-4
标签: #类器官 #AI图像分析 #3D分割 #形态学筛选 #拓扑描述符 #3DCellScope #机械应力 #药物筛选 #胰腺癌
📣 摘要
类器官能复现组织架构与功能，是体外研究外部扰动的重要模型。但要在 3D 培养体系里做大规模筛选、系统考察各种应力对细胞形态与拓扑的影响，长期被两个瓶颈卡住：高分辨率 3D 成像能力有限，以及缺少易上手的 3D 分析平台——商业通用软件（Imaris、Arivis 一类）价格高、且不直接适配大批量 3D 类器官筛选；而学术界的自建管线往往没有通用界面，难以在筛选场景复用。
本文给出一套基于 AI 的多层分割 + 细胞拓扑分析管线，把"核 → 细胞 → 整器官"三个层级的形态与拓扑量化打包进单一软件 3DCellScope（开源，提供 Windows 编译版）。管线由三块拼成：DeepStar3D（自训练 3D StarDist 卷积网络做核分割）、种子引导分水岭（以核轮廓为种子，在 actin 等膜染色通道上分割细胞）、自适应阈值 + 形态学滤波（直接从原始通道取整器官轮廓）。在此之上叠加拓扑分布描述符——对每个核的邻近核做三维椭球拟合，用 Oblate/Prolate 两个比值自动把邻域分布分成 disk / rod / sphere 三类，全程不需要额外标记，也不需要针对目标结构重新训练。
作者用四组实验做概念验证：在原代胰腺导管腺癌（PDAC）类器官上验证分割质量（3,071 个核与细胞逐一对应、误分细胞 <8%）；用等渗/高渗渗透压扰动验证形态学参数的灵敏度（高圆度细胞占比 53%→67%，核向核心移位 +21%，DAPI 染色质固缩比例 14.5%→49.8%）；用不同几何形状的 ECM 微龛（50 µm 杯形 / 80 µm 平底孔 / 无 ECM）证明拓扑描述符能区分细胞自组织模式（sphere 邻域占比 <1% / 21–38% / >50%）；最后用抛物飞行（15 个抛物线，每轮 2.5 g 加速 + 0 g 微重力）的 120 个类器官、8,215 个细胞做无监督 PCA 盲测，发现飞行组高 PC1 细胞体积下降 33%（Day 0）、12%（Day +1），且效应集中于球体外周细胞。
🔬 研究背景
准确测量细胞在原生 3D 结构中的形变，对组织生物学和病理学研究是基础性需求。正常机械力与化学信号决定组织成熟与功能编排；一旦出现异常应力，会加速组织衰老、诱导病理生理改变、削弱再生能力。类器官与器官芯片系统因此成为不可或缺的工具——它们提供 3D 细胞组装体，模拟基础器官单元的架构与功能。
但现有分析手段跟不上：（1）成像端——类器官体积大、光学散射强，高分辨率 3D 成像本身受限；（2）分析端——商业通用软件（Imaris、Arivis）功能强但价格高、不适合大规模 3D 筛选；自建管线（如针对神经玫瑰花结的专用 U-net）依赖特定染色、特定结构、需要上百个类器官与多名专家标注 ground truth 才能训练，泛化性差；（3）拓扑量化端——组织内细胞如何相对邻域排列（层、管、簇等模式）与细胞分化、稳态密切相关，但缺少不依赖先验假设的通用量化工具。
核心问题：
- 能否用少量人工标注（数百个核）训练出一个在跨平台、跨染色、跨分辨率条件下都稳健的 3D 核分割网络？
- 能否在核分割的基础上，不依赖额外的膜标记训练，直接得到高质量的细胞与整器官轮廓？
- 能否只用核的 3D 质心坐标，就量化"细胞—邻域"的空间组织，并自动分类邻域形状？
- 这套描述符能否区分人为设计的微环境几何（不同形状 ECM 微龛）与天然组织异质性（同一类器官的核心/出芽/边缘）？
- 在机械应力（抛物飞行模拟的周期性 2.5 g / 0 g）下，能否用无监督方法盲测出形态学签名，并定位到具体细胞亚群？
研究模型：原代 PDAC 类器官（异质结构验证）；HCT116 结直肠癌细胞球体（交互与反馈验证）；正常乳腺上皮细胞（HME）＋ ECM 微龛（拓扑描述符验证）；乳腺肿瘤球体（抛物飞行机械应力实验）。
技术路线：
- DeepStar3D 核分割：3D StarDist 架构，用模拟图像预训练，再用来自独立机构与自带批次的 594 个 ground-truth 核微调
- 种子引导分水岭细胞分割：以核轮廓为种子，在 actin（或专用膜染色）灰度图上做 seeded watershed，属于经典图像处理，无需额外 AI 训练
- 整器官轮廓：从原始通道用自适应阈值 + 形态学数学滤波直接提取
- 拓扑分布描述符：对每个核的邻近核三维坐标拟合椭球，计算 Oblate ratio = Minor²/(Major × medium) 与 Prolate ratio = (Minor × medium)/Major²，散点图多门控分类 disk / rod / sphere
- 无监督形态学签名：把细胞形态参数盲池化，PCA 降到 PC1，再结合图像反馈做门控与生物学解释
- 抛物飞行实验：15 个抛物线，每轮含 2.5 g 加速段与 0 g 微重力段；样本分别在末次抛物线后立即固定（Day 0，飞行组 F）与 24 h 后固定（Day +1，F24），并设对应地面同步对照（GC / GC24）
🧪 实验方法
成像平台与软件
- 3D 荧光显微镜：旋转盘共聚焦或激光扫描共聚焦；管线明确兼容快速采集（低 z 分辨率）、多种物镜与不同信号质量、多种染色方案，不绑定特定波段
- 3DCellScope：单一用户友好界面，集成 AI 分割网络调用、图形门控、图像实时反馈与统计导出；开源，提供 Windows 编译版
- 数据挖掘接口：VTEA（ImageJ 插件）与自建 KNIME 工作流，支持对数据库中数百个形态/拓扑参数做任意组合计算
- DeepStar3D：3D StarDist CNN，权重数量比对照 CNN 小 4.5–200 倍
类器官样本与模型
| 样本 | 用途 | 关键规模 |
|---|---|---|
| 原代 PDAC 类器官 | 分割质量 + 异质拓扑验证 | 3,071 个核 / 细胞 |
| HCT116 结直肠癌球体 | 交互分析、门控与反馈验证 | phalloidin + DAPI 双染 |
| 正常乳腺上皮（HME）＋ ECM 微龛 | 微环境几何对比 | 50 µm 杯形 / 80 µm 平底孔 / 无 ECM |
| 乳腺肿瘤球体 | 抛物飞行机械应力 | 120 个类器官 / 8,215 个细胞 |
形态学扰动处理
- 渗透压应激（等渗 vs 高渗）：模拟更硬 ECM 带来的机械负荷，作为阳性扰动量验证参数灵敏度；每组 5 个球体、共 10 个类器官
- Forskolin 处理（Day 0 vs Day +1）：cAMP 通路激活，验证参数对已知生物学机制响应
- 抛物飞行：周期性 2.5 g 加速 + 0 g 微重力，模拟太空相关极端机械条件；飞行组与地面同步对照一一配对
数据分析
- 三层 3D 分割：核（DAPI / histone-fluo）→ 细胞（actin / cadherin 种子分水岭）→ 整器官轮廓（阈值 + 形态学滤波）
- 形态学参数库：核体积、细胞体积、细胞圆度、DAPI 变异系数（CV）、细胞到边界距离等数百个描述符
- 拓扑分布描述符：邻域椭球拟合 + Oblate/Prolate 比值 + 三类门控
- 统计：双尾非配对 t 检验（Welch 校正）；小提琴图蓝条示均值
- 无监督筛选：特征矩阵盲池化 → PCA → PC1 门控 → 图像反馈定位
📊 核心结果与配图
发现 1：单软件集成"核–细胞–整器官"三层 3D 分割，且核分割网络跨平台最稳
| 维度 | 说明 |
|---|---|
| 做了什么 | 用来自独立研究机构与自带批次的 594 个人工标注核微调 3D StarDist 网络（DeepStar3D），在 4 个不同数据集的未参与训练图像上评测 F1IoU50；同时用相同核轮廓做种子，在 actin 灰度图上跑 seeded watershed 取细胞轮廓，再从原始通道取整器官轮廓 |
| 发现什么 | DeepStar3D 在全部 4 个数据集上 F1IoU50 均 >0.5，排名稳定第一或第二、取得总体最佳排名；在未切块图像上推理耗时 9.5 s ± 0.7 s，切块图像 33 s ± 5 s，比对照 CNN 快 20%–70%；权重数量仅为对照的 1/4.5 至 1/200；对照模型（尤其 Cellos）只会对自己训练过的数据表现好，AnyStar 在低信号结肠类器官上好、其他球体差；DeepStar3D 的每核 IoU 与信噪比、核密度之间无显著相关——即不随信号条件劣化掉质量。在异质结构明显的原代 PDAC 类器官上完成 3,071 个核与 3,071 个细胞的一一对应分割，HCT116 球体上细胞误分率 <8% |
| 说明什么 | 核分割是整条管线的地基。作者用"信号质量无关性"（IoU 不随 SNR 与密度变化）而非"单点最高分"来定义稳健，这个指标选择直接回应了筛选场景的真实痛点——筛选意味着成像条件无法逐一优化。推理速度与权重量级同时压下来，意味着大规模批次可以在不配高性能计算集群的普通工作站上跑完，这是"能在筛选里真用起来"的前提 |
图注：上下两部分。(a) 管线总览——上栏为类器官经 3D 荧光显微镜成像（获取核与细胞边界两套通道）；中栏为完整数字化过程，即核 3D 轮廓、细胞 3D 轮廓、整器官 3D 轮廓三层分割；下栏为分割所得数据经数据挖掘、统计与可视化产出生物学结论，3DCellScope 软件是承载全流程的单一界面。(b) 在原代 PDAC 类器官上评估核与细胞分割质量，白色箭头标出低强度核（分割的典型难点）。展示 3D 视图与中位 z 平面下的 actin 染色、核染色与分割叠加结果，比例尺 550 µm；图中同时给出该器官 3,071 个核对应 3,071 个细胞的分割计数，以及核体积分布、每个器官细胞数、平均核体积与 Oblate/Prolate 比值分布等定量面板。
发现 2：图形门控 + 图像实时反馈，让"看数据"和"看图像"闭环
| 维度 | 说明 |
|---|---|
| 做了什么 | 在 HCT116 癌球体（phalloidin + DAPI）上演示三层分割叠加、图形门控（gating）过滤碎片与伪影、散点图揭示多尺度相关性（每个点 = 一个类器官）、以及按"核到器官边界距离"做阈值门控；用图像实时反馈核对每次门控的结果 |
| 发现什么 | 散点图揭示一个反相关：类器官内细胞数越多，平均核体积越小；作者据此观察到更大的球体染色质更紧凑；以 10 µm 距离为界把核分成"外部"（<10 µm）与"内部"（>10 µm，n = 895）两类后，外部核平均体积比内部核显著增大（+50 µm³，P < 0.0001） |
| 说明什么 | 这一步把管线从"能分割"推进到"能判断分割对不对、能据此提出假设"。外部核体积增大提示外部细胞受到的机械约束相对松弛——这不是靠肉眼从原文图里能直接读出的结论，而是门控 + 定量 + 图像回看三者闭环后的产物。它同时为发现 3 的渗透压扰动实验提供了对照基线（距离门控这套工具会反复复用） |
*图注：(a) HCT116 癌球体（phalloidin 标记细胞边界 + DAPI 标记核）的 2D 与 3D 可视化：上排为核与器官双通道 z-stack，中排为 3D 细胞轮廓，下排为 3D 核轮廓叠加器官轮廓，比例尺 60 µm。(b) 直方图上的图形化展示与门控——红色门控条可手动调节以排除小体积碎片，右侧同步给出分割图或原始图上的反馈；下方散点图展示门控后平均核体积与每个器官细胞数的关系（每点代表一个器官，灰线为标准误），四个器官体现"细胞数越多、平均核体积越小"的反相关，比例尺 15 µm。(c) 核质心到器官边界距离的示意与直方图，按 0–20 µm 与 >20 µm 两类过滤。(d) 基于到边界距离的核门控在 2D/3D 视图上的呈现；下方小提琴图比较外部核（距边界 <10 µm）与内部核（>10 µm，n = 895）的平均核体积（±s.e.m.），外部核显著更大，***P < 0.0001（双尾非配对 t 检验，Welch 校正），比例尺 30 µm。
发现 3：渗透压扰动验证多尺度参数灵敏度，并用"核位置 + 染色质 CV"给出机制性读数
| 维度 | 说明 |
|---|---|
| 做了什么 | 用高渗条件（模拟更硬 ECM 的机械负荷）扰动癌球体，与等渗对照比较三组读出：细胞圆度（按归一化直方图设"高圆度"阈值门控）、核相对器官边界的距离分布（两段门控）、DAPI 染色质固缩程度（以染色质明暗不均一的变异系数 CV 量化）；每组 5 个球体，共 10 个类器官；统计用双尾非配对 t 检验（Welch 校正） |
| 发现什么 | 高渗组落在"高圆度"门内的细胞比例从 53% 升到 67%；落在"远距离"门内的核比例从 37% 升到 58%（+21%），即核整体向球体核心聚集；DAPI 从均一分布变为明显点状（染色质固缩），平均 CV 从 0.26 升到 0.44，均值提升 +30%（P < 0.0001），高 CV 核占比从 14.5% 升到 49.8%。图像反馈进一步显示：高圆度细胞不只在球体外层，也出现在核心 |
| 说明什么 | 这是对管线的一次"已知答案"考试——渗透压会造成什么，文献里早有共识。三项独立读出（细胞形状、核位置、染色质状态）方向一致且都达到 P < 0.0001，说明参数确实抓得住真实的生物物理扰动，而不是数字噪声。"高圆度细胞也出现在核心"这一点尤其关键：它提示渗透压效应在致密 3D 培养物中会向内传播，这是 2D 单层模型不可能给出的观察 |
*图注：(a) 细胞圆度对比。展示两组代表性 actin 图像；两个代表性球体（每组一个）的细胞圆度以直方图呈现，并用归一化直方图上的红色门控条设定"高圆度"阈值；高圆度细胞占比以红色标注在 2D 与 3D 分割图上——等渗 53%、高渗 67%，红色箭头指出球体核心内的高圆度细胞；小提琴图给出两组圆度分布对比，比例尺 30 µm。(b) 核相对器官边界位置对比。展示 DAPI 与 phalloidin 双染的代表性图像，青色轮廓标近边界核、红色轮廓标远距离核，红色箭头指出长距离类核；直方图给出两个代表性球体的核位置分布，小提琴图为每组 5 个球体的位置分布对比——高距离类占比从 37% 升至 58%，比例尺 10 µm。(c) 染色质固缩评估（以 DAPI 染色变异系数 CV = DAPI 标准差 / 平均 DAPI 强度计）。可点击核轮廓（红点与白色手形标记）把图像与对应直方图联动；门控识别高 CV 核；小提琴图比较两组 CV 分布，代表性核 CV 从等渗 0.26 升至高渗 0.44，高 CV 核占比从 14.5% 升至 49.8%。全部小提琴图中蓝条示均值，***P < 0.0001（双尾非配对 t 检验，Welch 校正，基于 10 个类器官即每条件 5 个），比例尺 15 µm 与 5 µm（放大图）。
发现 4：拓扑分布描述符——只用核坐标就把邻域形状分成 disk / rod / sphere
| 维度 | 说明 |
|---|---|
| 做了什么 | 对每个核，以其邻近核的三维质心坐标拟合一个椭球，取 Major / Medium / Minor 三轴，计算两个无量纲比值：Oblate ratio = Minor²/(Major × medium)、Prolate ratio = (Minor × medium)/Major²；把全部核投到 Oblate–Prolate 散点图上做多类门控，划出 disk、rod、sphere 三类；全程不使用核自身形状信息，也不需要额外标记或针对目标结构的 AI 训练 |
| 发现什么 | 两个比值都在 0, 1 区间，可唯一定位邻域形状：三轴等长（Major = medium = minor）时两比值都趋近 1，对应 sphere（各向同性、随机排布）；Major ≫ medium ≥ minor 时 Oblate > Prolate，对应 rod；Major ≥ medium ≫ minor 时 Prolate > Oblate，对应 disk；两比值相等（Major > medium > minor）的对角线对应一般三轴椭球（"橄榄球"形），是三类极端形态之间的过渡态。真实类器官中大量核落在对角线附近，说明多数细胞的邻域是过渡形态而非理想球/杆/盘 |
| 说明什么 | 这是全文方法论上最有原创性的一块。此前要做组织内细胞排列的量化，要么依赖针对特定结构（如神经玫瑰花结）的专用网络——需要上百个类器官与多名专家标注；要么预设分布假设。这里改为"只用核位置、用几何量描述邻域"，把先验假设剥掉，于是同一套描述符可以不加修改地搬到任何 3D 培养体系。把"邻域分布形状"与"单个核形状"明确区分开，也是概念上的澄清——散点图描述的是细胞如何围绕邻居自组织，不是细胞核被压成了什么形状 |
图注：左侧为邻域椭球拟合示意——对目标核（中心高亮）周围邻近核的三维坐标拟合三轴椭球，按长度排序标注 Major、Medium、Minor，并说明三者满足 Major > medium > minor 的一般情形。中部给出两个消除尺度影响、仅刻画形状的无量纲比值定义式：Oblate ratio = Minor² / (Major × medium)，Prolate ratio = (Minor × medium) / Major²。右侧为散点图与多类门控——横轴为 Prolate ratio、纵轴为 Oblate ratio，范围均为 0–1，每个蓝点代表一个细胞核；灰色对角虚线为两比值相等的分界（对应一般三轴椭球），据此把邻域分布分为三类并配以形状示意图与轴长关系：绿色框 rod（Major ≫ medium ≥ minor，Oblate > Prolate）、红色框 sphere（Major = medium = minor，两比值均趋近 1）、洋红框 disk（Major ≥ medium ≫ minor，Prolate > Oblate）。需强调：此处描述的是每个核周围邻近核的分布形状，而非单个核自身的形状。
发现 5：拓扑描述符同时识别人工微龛几何与天然类器官区域异质性
| 维度 | 说明 |
|---|---|
| 做了什么 | 两条验证线。第一条：把 HME 细胞种在三种几何约束下的 ECM 微龛里——50 µm 直径杯形（斜壁全黏附，V 形）、80 µm 平底孔（竖直黏附壁 + 底部不黏附）、以及无 ECM 的自由球体——比较各组的 sphere（随机排布）核占比。第二条：在原代 PDAC 异质类器官上，先用图像门控圈出三个感兴趣区域（核心 core、出芽 bud、边缘 border），再在各自的多区域散点图上做同样的数据门控，并做线性回归比较斜率 |
| 发现什么 | 微龛组：50 µm 杯形 sphere 占比最低（<1%），80 µm 平底孔升到 21%–38%（并出现杂乱多层），无 ECM 球体最高（>50%）。异质类器官组：3,071 个核分割后按区域计——核心 N = 259、出芽 N = 200、边缘 N = 236；线性回归斜率从核心的 1.08（r² = 0.93）降到出芽 0.93（r² = 0.71）、边缘 0.78（r² = 0.70）。分区占比上，sphere 分布核在核心最高（30%，其他区 <8%），rod 分布在出芽最高（9%），disk 分布在边缘绝对主导（89%） |
| 说明什么 | 这是对描述符"分辨力"的双向证明：一端是人为设计的几何（约束越强，细胞越被压成盘状排布，随机性越低），另一端是天然组织的空间异质性（核心近随机、边缘呈单层折叠的盘状、出芽介于两者之间）。数值——核心 1.08 / 边缘 0.78 的斜率梯度，89% vs 30% 的占比反差——与 3D 渲染的视觉观察完全吻合，说明这套指标不是自说自话。对肿瘤研究的意义直接落在"区域差异敏感性"上：同一 PDAC 类器官内不同区域的细胞排布规则不同，可能对应不同的药物响应与耐药表型的分区来源 |
图注：(a) 三种培养构型下的细胞定位对比——蓝色为 50 µm 杯形微龛、橙色为 80 µm 平底孔微龛、黄色为无 ECM 自由球体；散点图为 Oblate–Prolate 双比值（每点一个核）。颜色编码反馈（红色轮廓为 sphere 门、青色为其他核）呈现在 3D 分割视图（xy 与 xz 方向）与中位 xy 平面上（白色双向箭头标注），sphere 邻域核占比分别为杯形 <1%、平底孔 21% 与 38%、无 ECM >50%；红色箭头指出杂乱多层结构。比例尺 25 µm。(b) 复杂原代 PDAC 类器官内不同感兴趣区域的对比，采用两条互补策略：单步数据门控直接在 Oblate–Prolate 散点图上分出 disk（洋红）、rod（绿）、sphere（红）三类（红箭头标出球体核心的 sphere 富集区，绿箭头标出多个出芽处的 rod 富集区，洋红 disk 分布未在放大图中显示以利观察）；两步策略先对分割图像做图像门控（核心红、出芽浅蓝、边缘橙，并给出各区域核计数——核心 N = 259、出芽 N = 200、边缘 N = 236），再在多区域散点图上做同样的数据门控，并给出线性回归斜率。饼图展示每个图像区域内三类数据门的核占比：核心 sphere 30%、rod 3.5%、disk 55%；出芽 disk 71%、rod 9.5%、sphere 7.5%；边缘 disk 89%、rod 2%、sphere 0.05%。比例尺 150 µm。
发现 6：无监督 PCA 盲测发现抛物飞行（2.5 g / 0 g 循环）的形态学签名，并定位到外周细胞
| 维度 | 说明 |
|---|---|
| 做了什么 | 120 个乳腺肿瘤球体搭机做 15 个抛物线（每轮含 2.5 g 加速段与 0 g 微重力段）。样本分两组固定：末次抛物线后立即固定（Day 0，飞行组 F）与 24 h 后固定（Day +1，F24），并配对应地面同步对照（GC、GC24）。管线把这些球体数字化后得到 8,215 个细胞的形态特征矩阵；把条件标识与类器官标识全部剥离，做匿名盲池化，再跑无监督 PCA 降到 PC1，按 PC1 值门控分出高低两群，最后用图像反馈定位这两群细胞在球体中的空间位置；另用传统人工门控（按细胞到边界距离，不做 PCA 降维）做独立复核 |
| 发现什么 | PCA 门控后，高 PC1 细胞明显富集在球体外周。体积上：Day 0 高 PC1 群下降 33%、低 PC1 群下降 14%；Day +1 高 PC1 群仍下降 12%、低 PC1 群下降 8%（均 P < 0.0001）。传统按"到边界距离"的人工门控（不依赖 PCA）得到一致结论——外部细胞降幅显著大于内部细胞。此外细胞密度与核体积等特征也受影响（见补充图） |
| 说明什么 | 这是全文最能说明"管线能用于发现"的一步：条件标签被剥离后，PCA 仍自发把飞行的效应分离出来，且图像反馈把效应锚定到外周细胞——这意味着结果不是靠人为预选特征"凑"出来的，而是数据本身的结构。生物学上，它说明周期性机械应力对 3D 球体的作用不是均匀的，而是沿径向衰减（外周细胞受力最大），且这种差异在回到正常培养 24 h 后仍然显著。此前抛物飞行的细胞实验只做过 2D 单层，这是首次在 3D 组织样结构上得到形态学层面的读数 |
*图注：(a) 3D 成像筛选环节——120 个类器官在四种条件下（Day 0：GC 与 F；Day +1：GC24 与 F24）经管线数字化，提取细胞与核的三维形态特征清单，8,215 个细胞的特征被剥离条件标识后合并为"盲池"。(b) 签名降维——盲池经无监督主成分分析降至第一主成分 PC1；随后按各自条件重新标识的细胞依 PC1 值作图，据此聚出特定细胞群；小提琴图展示 PC1 无监督聚类下的细胞体积差异，Day 0 高 PC1 群 F 组比 GC 组小 33%、低 PC1 群小 14%，Day +1 高 PC1 群 F24 比 GC24 小 12%、低 PC1 群小 8%（均 ****P < 0.0001）。(c) PC1 门控的图像反馈——高 PC1 群（红）主要定位于类器官边界，比例尺 50 µm，四列分别对应 GC、F、GC24、F24 四组。(d) 生物学意义门控——按细胞到器官边界距离做人工引导门控，得到一致结论：外部细胞体积降幅显著大于内部细胞（Day 0 外部 −31%、内部 −12%；Day +1 外部 −9%、内部 −5%）。全部小提琴图中蓝条示均值，***P < 0.0001（双尾非配对 t 检验，Welch 校正）。
💡 与可应用的产品/平台
关联度按"论文是否实际使用 / 方法路线是否同代 / 是否有具体可描述的应用场景"三级诚实评定；仅保留 ⭐⭐⭐ 及以上。
| 产品 | 关联度 | 应用场景 |
|---|---|---|
| Celvivo ClinoStar / ClinoReactor | ⭐⭐⭐⭐ | 论文全部结论建立在稳定、可重复的 3D 球体与类器官制备之上——PDAC 原代类器官、HCT116 球体、HME 微龛实验、120 个抛物飞行球体，对批间一致性要求极高。ClinoStar / ClinoReactor 的旋转（微重力样）悬浮培养能提供低剪切、形态均一的类器官群，正是这类"形态学筛选"实验的上游标准件；反过来，本文管线恰好可以用来定量验证旋转培养相对静态培养的形态学收益（球体圆度、核位置分布、染色质状态三类参数可直接读出） |
| Cellink BIO X / BIO X6 | ⭐⭐⭐⭐ | 论文图 5 的核心对比对象是几何形状可控的 ECM 微龛（50 µm 杯形斜壁全黏附、80 µm 平底孔竖直黏附壁 + 底部不黏附），实验证明微龛几何直接决定细胞邻域排布（sphere 占比 <1% vs 21–38% vs >50%）。这类模具型结构与 BIO X 系列的挤出头/光固化打印能力直接对口：可按需打印不同直径、不同壁面黏附性质的微龛阵列，把"几何决定命运"从二维对照实验扩展成可设计的参数矩阵 |
🏷️ 结论
结论 1：填补了"3D 类器官高通量形态学筛选"缺少可用工具的空档
3DCellScope 把三层 3D 分割（核 / 细胞 / 整器官）、拓扑描述符与数据挖掘放进单一用户界面，开源并提供 Windows 编译版。相对商业通用软件，它的差异不在功能更全，而在为大批量筛选而设计：核分割网络权重小 4.5–200 倍、推理 9.5 s（未切块）到 33 s（切块）、不要求高性能计算集群，因此"上百个类器官一起跑完"在普通工作站上可行。
结论 2：用"信号无关性"定义分割模型的稳健度，是一个可复用的评价范式
DeepStar3D 的卖点不是单点最高分，而是在跨分辨率、跨染色、跨细胞类型、跨成像模态的 4 个数据集上 F1IoU50 均 >0.5，且每核 IoU 与信噪比、核密度无显著相关。对照模型（Cellos、AnyStar）都只在各自"主场"数据上领先。筛选场景中成像条件无法逐一优化，这种评价方式比排行榜式比较更贴近真实需求。
结论 3：只靠核坐标的邻域拓扑描述符，把先验假设剥掉了
Oblate/Prolate 双比值 + 椭球拟合，不需要额外标记、不需要针对目标结构训练网络、不需要预设分布形态。同一套描述符在四种极不相同的体系上都给出了与视觉一致的分辨力：HME 微龛（<1% vs 21–38% vs >50%）、PDAC 异质类器官分区（核心 sphere 30%、边缘 disk 89%、线性回归斜率 1.08 → 0.78）、渗透压扰动、抛物飞行。作者明确指出，不依赖先验假设地评估局部拓扑约束，是本文的新贡献。
结论 4：机械应力的形态学效应沿径向衰减，且 24 h 后仍可检出
抛物飞行实验（15 个抛物线、2.5 g / 0 g 循环、120 个类器官、8,215 个细胞）在剥离条件标签的盲测下，PCA 仍分离出显著签名：高 PC1 群（定位于球体外周）体积下降 33%（Day 0）与 12%（Day +1），低 PC1 群仅下降 14% 与 8%；按距离的人工门控独立复核得到一致方向（外部 −31% vs 内部 −12%）。这是首次在 3D 组织样结构上给出抛物飞行机械应力的形态学读数（此前仅限 2D 单层）。
结论 5：局限（作者自陈 + 本文读出）
- 强制核染色：管线地基是高精度核分割，因此必须有核标记——固定后 DNA 染色，或活细胞成像用的荧光基因编码蛋白。这是当前方法最硬的前置条件
- 细胞分割依赖核分割质量：细胞轮廓以核轮廓为种子，核分割一旦在低信号区失手，细胞分割随之出问题（论文中低强度核需靠白色箭头专门标出）
- 未整合时间维度：集成工作流是单时间点快照，尚不能追踪同一细胞随时间的形态演变；作者把 4D（3D + 时间）列为下一步
- 微龛几何为人工预定义：图 5a 的杯形/平底孔几何由实验者事先设计，尚无自动生成标准化几何的流程
- 效应的分子机制未展开：抛物飞行导致外周细胞体积下降 33% 这一读数很扎实，但背后是细胞骨架重塑、渗透调节还是凋亡通路介入，本文未做分子层面归因
- 样本量与统计：渗透压验证为每条件 5 个球体（共 10 个类器官），抛物飞行每个条件的时间点样本量有限，作者以 ****P < 0.0001 与盲测设计增强可靠性，但扩展到不同细胞类型时仍需独立复现
结论 6：可预期的下一步
- 接入非标记成像（如全息/定量相位成像）以绕开强制核染色的限制——作者在讨论中明确列为近期方向
- 加入 3D 追踪形成 4D（3D + 时间）系统，捕捉细胞与组织的动态过程
- 扩展类器官类型：本文验证覆盖胰腺癌、结直肠癌、乳腺癌与正常乳腺上皮，脑、肠、肝、心等体系属于直接可迁移对象
- 药物筛选落地：分区异质性（同一样本内核心/出芽/边缘排布规则不同）提示可用拓扑描述符做区域分辨的用药响应分析，为耐药亚群定位提供形态学入口
📖 文献信息
| 项目 | 内容 |
|---|---|
| 标题 | Digitalized organoids: integrated pipeline for high-speed 3D analysis of organoid structures using multilevel segmentation and cellular topology |
| 期刊 | Nature Methods |
| 年份 / 卷期 | 2025 / Volume 22, 1343–1354 |
| DOI | 10.1038/s41592-025-02685-4 |
| PMID / PMCID | 40369245 / PMC12165853 |
| 通讯作者 | Victor Racine；Anne Beghin |
| 第一作者单位 | University of Lille, CNRS, Inserm, CHU Lille, UMS 2014 - US 41 - PLBS, F-59000 Lille, France |
| 开放获取 | 混合模式（HYBRID），许可 CC BY-NC-ND |
| 软件 | 3DCellScope（开源，提供 Windows 编译版） |
参考文献
- Ong HT, Karatas E, Poquillon T, et al. Digitalized organoids: integrated pipeline for high-speed 3D analysis of organoid structures using multilevel segmentation and cellular topology. Nature Methods. 2025;22:1343–1354. DOI: 10.1038/s41592-025-02685-4
- Gjorevski N, et al. Tissue geometry drives deterministic organoid patterning. Science. 2022;375:eaaw9021. DOI: 10.1126/science.aaw9021
- Stringer C, et al. Cellpose: a generalist algorithm for cellular segmentation. Nature Methods. 2021;18:100–106. DOI: 10.1038/s41592-020-01018-x
- Beck LE, et al. Systematically quantifying morphological features reveals constraints on organoid phenotypes. Cell Systems. 2022;13:547–560. DOI: 10.1016/j.cels.2022.05.008
- Weigert M, et al. Star-convex polyhedra for 3D object detection and segmentation in microscopy. In Proc. IEEE/CVF Winter Conference on Applications of Computer Vision (WACV). 2020;3655–3662. DOI: 10.1109/WACV45572.2020.9093435
- Lancaster MA, Knoblich JA. Organogenesis in a dish: modeling development and disease using organoid technologies. Science. 2014;345:1247125. DOI: 10.1126/science.1247125
📥 原文 PDF 下载
| 文件 | 下载链接 |
|---|---|
| Digitalized organoids — Nature Methods 2025（9.65 MB，永久链接） | 📥 下载原文 PDF |
转发语: Nature Methods 重磅！Ong 团队首次把"核—细胞—整器官"三层 3D 分割与细胞邻域拓扑描述符打包进单一开源软件 3DCellScope——只用细胞核坐标就能自动分出盘状/杆状/球状邻域排布，8,215 个细胞盲测抓出抛物飞行 2.5 g/0 g 循环的形态学签名 🧠⚡
- 联系人: 李东伟
- 📞 18045130660
- 🌐 https://www.biokingdom.top