Ultrack技术突破细胞追踪极限：跨尺度生物研究的革命性工具

在生命科学研究中，精确追踪活细胞在二维、三维乃至多通道时间序列记录中的动态变化，对于理解组织尺度生物过程至关重要。随着成像技术的飞速发展，科学家们已经能够以高分辨率观察包含数千细胞的大视野样本，产生海量的多维数据。然而，一个关键挑战始终存在：如何在复杂拥挤的组织中准确重建细胞轨迹和谱系？特别是在细胞边界模糊、分割困难的情况下，传统追踪方法往往束手无策。

现有自动追踪方法通常采用"先分割后链接"的两步法，这种方法虽然计算高效，但在密集组织中容易产生误差累积，特别是在细胞快速分裂时问题更为突出。同时联合分割与追踪的方法虽然前景广阔，但受限于无法利用任意分割输入、数据规模和维度限制等因素，难以应用于组织尺度问题。这些技术瓶颈严重制约了科学家们对发育、癌症和再生医学中关键细胞行为的深入理解。

 

针对这些挑战，由Jordao Bragantini、Ilan Theodoro等来自多个研究机构的研究团队在《Nature Methods》上发表了题为"Ultrack: pushing the limits of cell tracking across biological scales"的突破性研究。他们开发的Ultrack方法通过创新性地整合多算法分割假设和时间一致性优化，实现了在分割不确定性条件下的稳健追踪，将细胞追踪技术推向了新的高度。

研究团队采用了几个关键技术方法：1）利用超度量轮廓图(UCM)高效表示多层级分割假设；2）基于整数线性规划(ILP)的时空一致性优化框架，整合细胞分裂、出现和消失等生物学约束；3）开发GPU加速的非线性配准算法处理大范围细胞运动；4）创新性提出双通道稀疏标记验证策略，结合普遍荧光标记与随机稀疏标记生成高质量基准数据；5）设计跨平台接口支持从笔记本电脑到高性能计算集群的灵活部署。研究数据来源于斑马鱼、果蝇和线虫胚胎发育时序记录，以及多色标记和免标记细胞成像等多模态数据集。

避免过早决策的分割假设

研究团队发现，细胞追踪准确性往往受限于分割失败。Ultrack通过考虑多个分割假设而非过早确定特定分割选择来解决这一挑战。这些假设可以来自原始图像像素强度、多种算法或多个参数配置。这种方法允许整合各种分割方法，保持与日益增长的新型分割模型的兼容性。

 

通过时间一致性最大化实现追踪

确定所有候选分割和链接后，Ultrack通过解决一个整数线性规划问题来选择时间一致的片段，同时遵守细胞分裂、细胞出现或消失等生物学约束。这种高效的数学公式利用高度优化的求解器，可以处理来自TB级数据集的数千万个片段。

多通道整合增强追踪

研究证明，在乳腺癌细胞(MDA-MB-231)的三通道"多色"数据集上，通过独立应用Cellpose到不同颜色通道并将输出整合为单一轮廓图，Ultrack能有效利用多通道信息。这种方法避免了通常需要的针对特定数据集的深度学习方法重新训练。