Spotiflow：使用深度立体流回归进行荧光显微镜的准确高效斑点检测

这篇论文主要介绍了一种名为Spotiflow的新方法，用于在成像基础的空间转录组学（iST）中进行精确和高效的斑点检测。该方法通过将斑点检测问题转化为多尺度立体流回归问题，实现了亚像素级的定位。Spotiflow在不同的噪声条件下表现出强大的鲁棒性，并且能够在不同的化学环境中进行泛化，同时在时间和内存效率上比常用方法提高了一个数量级。

引言

论文首先介绍了在生命科学中，检测和定位斑点状结构是许多技术的关键分析步骤，尤其是在iST中。iST方法依赖于在低信噪比（SNR）图像中准确检测数百万个转录本，以生成亚细胞分辨率的基因表达图。常用的iST技术如MERFISH、seqFISH或HybISS需要在大尺寸图像中高精度、高灵敏度地检测斑点。传统的斑点检测方法通常依赖于经典的信号处理方法，如高斯拉普拉斯（LoG）或径向对称性，这些方法易碎且需要手动调节。

方法

Spotiflow通过深度学习方法，将斑点检测问题视为多尺度立体流回归问题。该方法不依赖于阈值，因此不需要手动调节。Spotiflow的实现基于PyTorch，能够在NVIDIA GeForce RTX 4090 GPU上运行，显著提高了计算效率。

实验与结果

论文中，研究人员使用Spotiflow处理了不同时间点（E12.5和E13.5）的小鼠大脑发育切片，使用HybISS技术空间解析了199个与神经发育相关的基因。结果显示，Spotiflow生成的基因表达图与之前的研究结果一致，并且在处理大图像时，比默认的starfish管道在时间和内存效率上提高了一个数量级。

此外，Spotiflow还被应用于区分转录本衍生的斑点和自荧光结构（如脂褐素）产生的斑点，这在传统方法中是具有挑战性的任务。通过特定的引导方案，Spotiflow在处理成年小鼠大脑切片时，成功减少了自荧光斑点的检测数量，从而显著降低了表达图中的噪声。

应用与扩展

Spotiflow不仅在iST领域表现出色，还在荧光显微镜图像中的单分子检测和跟踪中表现出色。研究人员在HeLa细胞的活细胞时间序列中检测和跟踪端粒和非编码RNA分子（TERRA），Spotiflow的鲁棒性使得在不同成像条件下获得更长、更一致的轨迹。

讨论

论文总结指出，Spotiflow在各种iST模式下提供了高质量的检测结果，超越了常用和新提出的方法。研究表明，仅依赖简单的合成数据进行评估不足以反映真实应用中的性能。Spotiflow在分布外样本上表现良好，展示了其在不同领域的广泛适用性。

贡献

Spotiflow作为一种新颖的深度学习方法，在斑点检测中展示了其高效性和准确性。其无需手动调节的特性和在不同噪声条件下的鲁棒性，使其成为iST和其他生物成像任务中的有力工具。论文还提供了详细的文档和易于使用的插件，促进了该方法在终端用户中的采用。

通过这篇论文，研究人员为生物成像中的斑点检测提供了一种创新且高效的解决方案，推动了该领域的技术进步。