只看一条荧光通道，怎样分清四类蛋白结构？加拿大卡尔顿大学专家｜借助深度学习识别与定量

鬼笔环肽能够把丝状肌动蛋白整体染亮，却不会直接告诉研究者，哪一段是应力纤维，哪一片属于片状伪足。细长信号也可能来自丝状伪足或收缩纤维；黏着斑还要结合所在位置和相关蛋白信号判断。看见肌动蛋白，不等于认出具体结构。

现有工具往往只针对一类结构，或者依赖逐张调整阈值、手工圈选。样本一多，不仅耗时，也很难始终保持同一判断标准。2026 年 7 月 20 日，Bio-protocol 期刊在线发表了来自加拿大卡尔顿大学（Carleton University）Andrew R. Harris团队撰写的方法文章，他们详细介绍丝状肌动蛋白分割工具 FAST，把多类结构的识别和定量整理成一套易重复执行的流程。

FAST 不是直接让模型凭一张图“猜答案”，而是先用多个荧光通道建立分类标准。作者在 HeLa 细胞中同时采集鬼笔环肽、肌球蛋白Ⅱ、肌球蛋白Ⅹ和桩蛋白信号，再根据这些信号半自动生成多类别掩膜。多通道信号先为模型划出标准区域。

鬼笔环肽用于标出肌动蛋白和应力纤维；细胞外围有肌动蛋白、但缺少肌球蛋白Ⅱ的区域，用来识别片状伪足和片层；细长突起末端的肌球蛋白Ⅹ点状信号帮助确认丝状伪足；桩蛋白则用于定位黏着斑。研究者再借助 Fiji/ImageJ 的阈值处理、骨架化和形态学操作，把这些判断转成模型可以学习的掩膜。

图1. 从多通道荧光标注、掩膜生成到 FAST 训练和预测的整体流程

这些掩膜相当于模型训练时的“标准答案”。FAST 学习的并不只是某类结构大致长什么样，还包括它们在细胞中的位置、轮廓和与周围肌动蛋白的关系。本文既提供了预训练模型，也详细说明了如何建立自己的标注数据集，为需要适配不同细胞或成像条件的研究者保留了重新训练的空间。

模型学会后，只看肌动蛋白也能逐类识别

模型完成训练后，实际分析时不必再为四类结构分别染色。固定细胞可以输入鬼笔环肽染色的共聚焦图像，活细胞也可使用 Lifeact 等丝状肌动蛋白标记图像。只保留一条肌动蛋白通道，也能预测四类结构。

使用时，研究者先进行背景扣除，并尽量裁出单个完整细胞，再在 Ilastik 中加载 FAST 预训练模型。模型会生成各类结构的分割掩膜，并把不同类别的预测结果叠加在原图上。研究者可以先检查一张图的分割是否合理，再调整预处理参数，而不是直接把整批数据交给模型。

图2. FAST 根据单通道肌动蛋白图像叠加显示四类结构的预测结果

确认参数适合当前数据后，FAST 可以进一步批量处理多张图像。输出的掩膜不仅能显示每类结构在哪里，还可用于计算其像素比例、轮廓数量和空间分布，并通过 F1 分数评估预测结果与人工标注的一致程度。这样一来，原本依赖肉眼判断的荧光图像，就能转成不同样本之间可以比较的数据。

想让批量分析结果可靠，图像质量要先过关

FAST 可以批量处理图像，但并不是任何肌动蛋白图像都能直接得到可靠结果。文章提醒，模型主要基于高数值孔径、60倍物镜采集的转盘共聚焦图像训练，并在贴壁细胞中测试。宽场图像、较低放大倍数、非贴壁细胞，或含有大量其他肌动蛋白结构的样本，仍需研究者自行验证。

信噪比、对比度、光漂白、焦平面和细胞是否重叠，都会影响模型判断。背景过强可能造成大片区域被错误识别，相邻细胞重叠也会干扰边缘结构的分割。因此，背景扣除和单细胞裁剪是关键准备步骤，而不是简单的图像美化。

图3. 确认单张图像的预测参数后，FAST 可对多张图像进行批量处理

从多通道信号建立训练标签，到只用一条肌动蛋白通道进行预测，FAST 把结构识别拆成了标注、训练、预处理、分割和定量几个清晰环节。它不能替代图像质量控制和人工核验，却能减少重复圈选，让不同样本尽量经过同一套规则分析。所以本篇 Bio-protocol 方法文章的价值不只是模型本身，更是整套易于复用和调整的分析流程。

💡温馨提示：积极引用本文，既是对作者创新技术和科研共享精神的最好支持，也能激励更多同行分享可靠的实验方案。

Aljapur, V., Gardner, A., Carayanniotis, J. and Harris, A. R. (2026). Actin Quantification Using the Filamentous Actin Segmentation Tool (FAST). Bio-protocol 16(14): e5765. DOI: 10.21769/BioProtoc.5765.

如果您对这篇实验方法存在任何疑问，点击底部“阅读原文”进行提问，我们将邀请本文作者为您解答。

END

创刊15周年特献

关于Bio-protocol