È nata FAST, la App che automatizza l’analisi delle immagini di microscopia a fluorescenza

Journal of Neuroscience Methods, luglio 2019
Classificazione automatica di cellule cerebrali per analisi clonali in immagini di microscopia a fluorescenza

Permette di automatizzare l’analisi di cellule in immagini acquisite in microscopia a fluorescenza, consentendo di riconoscere quali marcatori fluorescenti esse esprimano e facilitandone la classificazione. 
È questo il valore aggiunto di FAST, la prima applicazione per PC per condurre analisi in modo semplice, accurato e obiettivo, sviluppata dal nostro gruppo di ricerca guidato da Annalisa Buffo, in collaborazione con il team di ingegneri del Politecnico di Torino guidato dal Prof. Filippo Molinari.

Massimo Salvi¹, Valentina Cerrato², Annalisa Buffo², Filippo Molinari¹

Un’applicazione per pc che permette di automatizzare l’analisi di cellule in immagini acquisite in microscopia a fluorescenza, consentendo di riconoscere quali marcatori fluorescenti esse esprimano e facilitandone la classificazione. Presentata nello studio pubblicato sul Journal of Neuroscience Methods lo scorso Luglio, FAST è stata sviluppata da Valentina Cerrato, del nostro gruppo di ricerca guidato da Annalisa Buffo, in collaborazione con il team di ingegneri del Politecnico di Torino guidato dal Prof. Filippo Molinari. 

“FAST” (Fluorescentcell Analysis Segmentation Tool) è particolarmente utile se applicata ai metodi di analisi clonale di ultima generazione basati sull’espressione di diverse combinazioni di colori (come quello applicato dal team stesso di Annalisa Buffo per lo studio dell’origine degli astrociti nel cervelletto), che rappresentano uno strumento senza dubbio molto potente per svelare le relazioni di parentela tra cellule, ma che producono un’ingente quantità di immagini che richiedono molto tempo per essere analizzate, con inevitabili distorsioni dovute a interpretazioni soggettive dell’operatore.

Questo software consente invece di svolgere analisi completamente automatizzate, quindi non influenzate dalla soggettività individuale, in pochissimo tempo. I risultati ottenuti con FAST, confrontati con le annotazioni manuali di due diversi operatori e con quelli ottenuti utilizzando altri due software open-source ideati per il riconoscimento di cellule in microscopia, hanno confermato l’ottima capacità dell’algoritmo alla base dell’applicazione di riconoscere le cellule e di assegnare loro il corrispondente codice-colore.

Al momento FAST è la prima e unica tecnica completamente automatizzata per l’analisi di cloni cellulari la cui identità è definita dall’espressione di diverse combinazioni di colori: un metodo che consente di condurre analisi in modo semplice, accurato ed obiettivo, evitando gli errori e le distorsioni che potrebbero derivare da annotazioni manuali. Inoltre, FAST può essere applicato più in generale alle analisi di quantificazione e co-localizzazione di marcatori fluorescenti in cellule non solo del sistema nervoso, ma, idealmente, di ogni distretto corporeo. Questi motivi ne fanno uno strumento molto potente e versatile per svolgere analisi quantitative automatizzate in immagini di microscopia a fluorescenza.

¹ Biolab, Department of Electronics and Telecommunications, Politecnico di Torino, Turin, Italy
² Department of Neuroscience Rita Levi-Montalcini, University of Turin and Neuroscience Institute Cavalieri Ottolenghi, Orbassano, Turin, Italy

Immagini rappresentative dei diversi tipi cellulari analizzati.
Il dataset analizzato conteneva immagini di diversi tipi cellulari del cervelletto, facilmente distinguibili per la loro morfologia e disposizione all'interno del tessuto. Queste cellule comprendono neuroni, come le cellule di Purkinje (a) ed i granuli (b), o interneuroni (c), o cellule gliali (d-i). Queste ultime includono oligodendrociti a diversi stadi di maturazione, come precursori (d), maturi non mielinizzanti (e) e maturi mielinizzanti (f), e tre diversi tipi di astrociti cerebellari, ovvero quelli della sostanza bianca (g), dello strato granulare (h) e la glia di Bergmann (i). Barre di calibrazione: 30 μm.