Multi-dimensional bioimage analyses with machine learning to reveal the dynamics of membrane vesicles and microtubules in stomatal guard cells

2022 Fiscal Year Final Research Report

• Project/Area Number: 20H03289
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Single-year Grants
• Section: 一般
• Review Section: Basic Section 44040:Morphology and anatomical structure-related
• Research Institution: Kumamoto University
• Principal Investigator: Higaki Takumi 熊本大学, 大学院先端科学研究部(理), 教授 (90578486)
• Project Period (FY): 2020-04-01 – 2023-03-31
• Keywords: 気孔開閉運動 / 微小管 / 膜小胞 / イメージング / 画像解析

Outline of Final Research Achievements

In this study, we aimed to elucidate the mechanism of H+-ATPase plasma membrane delivery through next-generation quantitative cell biology research by leveraging AI technology to dramatically reduce the human cost associated with image analysis of multidimensional live cell imaging, a bottleneck until now. Specifically, we (1) explored the application of image transformations using deep learning for segmentation, an indispensable task for quantitatively evaluating the cytoskeletal structure; (2) investigated the improvement of phototoxicity and time resolution through the enhancement of microscopic image quality by deep learning; (3) automated the classification and analysis of cytoskeletal patterns through machine learning; and (4) using these technologies, we conducted dynamic analysis related to drug resistance of membrane vesicles and superficial microtubules that control stomatal movement.

Free Research Field

植物細胞生物学

Academic Significance and Societal Importance of the Research Achievements

本研究では、AI技術を利用して植物細胞生物学研究を推進する方法を実践的に検討した。具体的には、細胞骨格構造の定量評価を改善するセグメンテーション手法、顕微鏡画像の画質改善を目指した深層学習モデルの開発、細胞骨格パターンの自動分類と分析など、研究者の分析作業を省力化するだけでなく、従来よりもより健全な状況の細胞をより詳しく調べることのできる技術の開発に取り組んだ。さらに、これらの手法を用いて植物の孔辺細胞に焦点を当て、気孔の環境応答性を担うH+-ATPase細胞膜輸送機構の解明を目指して実践的な研究を行った。このAIを活用した手法は、生物学の幅広い分野での利用が期待される。