Nat. Methods | Ultrack:跨越生物尺度的细胞追踪极限

DRUGONE

活细胞追踪是理解组织尺度生物过程的关键，但在复杂、拥挤的组织环境中，细胞分割往往存在歧义，使得长期追踪面临挑战。研究人员提出了 Ultrack，一种可扩展、鲁棒的细胞追踪方法。该方法通过整合来自多种算法和参数设定的候选分割结果，并利用时间一致性筛选出最佳片段，从而在分割不确定的情况下依然保持高精度。研究人员在包括斑马鱼、果蝇、线虫胚胎的多TB级发育成像数据，以及多通道和无标记成像数据上验证了Ultrack的表现，发现其在细胞追踪挑战赛中达到了优越或可比的性能，尤其适用于长时间、大规模的3D发育细胞追踪。研究人员还提出了双通道稀疏标记策略，以生成高保真度的追踪真值数据，推动长期追踪的评估。Ultrack作为Python包以及Fiji和Napari插件可用，并能在高性能计算环境下部署，便于广泛应用。

随着先进活细胞成像技术的发展，研究人员能够在大视野和高时空分辨率下观察成千上万个细胞，产生海量的多维数据。然而，准确重建细胞轨迹和谱系仍是生物图像分析中的主要难题，这对于理解细胞状态、组织力学、形态发生及再生具有重要意义。

细胞分割与追踪一直是核心挑战。尽管深度学习推动了分割技术的快速发展，但追踪问题仍未完全解决。当前大多数自动方法采用两步式：先分割，再连接，但在高密度组织或快速分裂的环境中易出错。联合分割与追踪的方法提供了一条新思路，但受限于计算代价和对特定分割输入的依赖，难以推广到组织尺度问题。为此，研究人员开发了Ultrack，一种能在分割不确定性下仍具鲁棒性、可扩展的通用追踪方法。

结果

避免分割早期错误

Ultrack引入多重分割假设，而非过早依赖单一结果。它通过超度量等高线图（UCM）高效表示这些假设，使得同一幅图像可编码多种可能分割，从而在追踪时保留更多潜在正确解。这一策略有效减少了因分割错误带来的长期追踪偏差。

多通道与多算法集成

研究人员展示了Ultrack如何利用不同算法（如Cellpose与经典图像处理）在多通道荧光成像中互补优势。通过将不同颜色通道的分割结果整合为统一的多层等高线，Ultrack不仅改善了微弱细胞的检测，还减少了欠分割问题。实验表明，多通道融合显著提升了追踪准确性，而无需对深度学习模型重新训练。

基于强度的无标记追踪

在无标记成像（如定量相位成像QPI）中，常规分割模型表现不佳。Ultrack则直接将强度映射作为细胞边界的近似输入进行追踪，无需额外标注或训练。结果显示，在这种条件下，Ultrack的表现超过了现成的深度学习模型，证明其在不同成像模态下的广泛适应性。

时间配准增强

当成像时间分辨率有限时，细胞快速移动会导致帧间匹配困难。Ultrack集成了GPU加速的非线性流场配准，能补偿复杂组织中的局部运动，提高在低时序分辨率下的追踪性能。这使其在处理快速发育或动态组织时更为稳健。

胚胎发育追踪挑战中的表现

在细胞追踪挑战（CTC）的多种3D胚胎数据集上，Ultrack无需依赖深度学习训练，即可通过经典图像处理与多假设融合取得领先成绩。在果蝇、甲虫等数据集中，Ultrack超越了依赖大规模训练数据的其他方法，显示了其在缺乏标注情况下的优势。

稀疏标记提升真值构建

研究人员通过双通道稀疏标记策略（普遍标记 + 稀疏随机标记）生成高保真度的细胞追踪真值。该方法大幅简化了人工标注过程，并实现了以往难以获得的长期谱系追踪，为评估复杂环境下的追踪精度提供了新基准。

大规模数据处理能力

在多TB级斑马鱼胚胎成像数据上，Ultrack能够在高性能计算集群或普通笔记本上运行，展示了跨硬件环境的可扩展性。评估表明，其在长时间帧序列中可维持较高的无错误追踪比例，充分证明了其在大规模、长时间成像中的鲁棒性。

器官水平的高精度追踪

在斑马鱼感觉器官neuromast的长时程成像实验中，Ultrack成功自动重建了完整细胞谱系，捕捉到分裂、迁移与死亡事件。与TrackMate相比，Ultrack的错误率减半，表现出近乎完美的精度。

讨论

Ultrack通过多层次等高线图实现联合分割与追踪，克服了传统方法在高密度、3D和长时间数据中的不足。其主要优势包括：

• 鲁棒性：即使分割不确定或训练数据有限，依然能保持准确追踪。
• 多样性：支持多算法、多通道输入，甚至直接基于强度追踪。
• 可扩展性：能在多TB级数据上高效运行，适应从高性能集群到个人电脑的多种环境。
• 验证创新：提出的稀疏双通道标记策略，推动了高保真真值数据的生成。

尽管如此，Ultrack仍存在局限，例如当输入分割假设系统性错误过多时，结果可能偏离真实解；此外，对于帧间大幅运动，仍需依赖配准策略加以改进。

未来的发展方向包括：结合更先进的深度学习模型（如Transformer）、扩展稀疏标记策略生成训练数据、开发交互式校正工具，以及探索其在癌症、免疫学和再生医学中的应用。

总体而言，Ultrack的提出显著推动了跨尺度细胞追踪的发展，使研究人员能够以前所未有的分辨率与规模研究细胞行为和组织动力学。

整理 | DrugOne团队

参考资料

Bragantini, J., Theodoro, I., Zhao, X. et al. Ultrack: pushing the limits of cell tracking across biological scales. Nat Methods (2025).

https://doi.org/10.1038/s41592-025-02778-0

内容为【DrugOne】公众号原创｜转载请注明来源