Cell morphology is an important regulator of cell function. Many abnormalities in cellular behavior can be discerned from changes in the shape of the cell and its organelles, typically the nucleus. Two major challenges for developing such phenotypic assays are reconstructing 3D surfaces of individual cells and nuclei from confocal images and developing characterizations of these surfaces for comparisons. We demonstrate two algorithms - 3D Active Contours and 3D Condensed-Attention UNet to segment cells and nuclei from confocal images. The cell and nuclear surfaces are then converted into vectors using a reversible, spherical transform - i.e. shapes can be recovered from the vectors. Typical methods for characterizing shapes using size, shape, and image parameters such as area, volume, shape factor, solidity, and pixel intensities are not amenable to such reverse transformation. Our vector representation's Principal Component Analysis (PCA) shows that the significant modes of variability among cell and nucleus shapes are scaling and flattening. We benchmark these modes using a known mechanical model for nucleus morphology. Subsequent modes alter the eccentricity of the nucleus and translate and rotate it with respect to the cell. Our vector-space representation of cell and nucleus shape helps physically interpret the variability sources. It may further help to guide mechanical models and identify molecular mechanisms driving cell and nuclear shape changes. The source code and the data used in this article are available at: https://github.com/iitgoa-ml/3d-cells-nuclei-segmentation


中文翻译：

---

关于细胞和细胞核形状的变异性

细胞形态是细胞功能的重要调节因子。细胞行为的许多异常可以从细胞及其细胞器（通常是细胞核）形状的变化中辨别出来。开发此类表型分析的两个主要挑战是从共焦图像重建单个细胞和细胞核的 3D 表面，以及开发这些表面的特征以进行比较。我们演示了两种算法 - 3D 主动轮廓和 3D Condensed-Attention UNet，用于从共聚焦图像中分割细胞和细胞核。然后使用可逆的球形变换将细胞和核表面转换为向量——即可以从向量中恢复形状。使用尺寸、形状和图像参数（如面积、体积、形状因子、坚固性）来表征形状的典型方法，和像素强度不适合这种反向变换。我们的矢量表示的主成分分析 (PCA) 表明，细胞和细胞核形状之间的显着变异模式是缩放和扁平化。我们使用已知的核形态力学模型对这些模式进行基准测试。随后的模式改变了细胞核的离心率，并相对于细胞平移和旋转它。我们对细胞和细胞核形状的向量空间表示有助于物理解释变异源。它可能进一步有助于指导机械模型并确定驱动细胞和核形状变化的分子机制。本文中使用的源代码和数据可在以下网址获得：https://github.com/iitgoa-ml/3d-cells-nuclei-segmentation s 主成分分析 (PCA) 表明，细胞和细胞核形状之间的显着变异模式是缩放和扁平化。我们使用已知的核形态力学模型对这些模式进行基准测试。随后的模式改变了细胞核的离心率，并相对于细胞平移和旋转它。我们对细胞和细胞核形状的向量空间表示有助于物理解释变异源。它可能进一步有助于指导机械模型并确定驱动细胞和核形状变化的分子机制。本文中使用的源代码和数据可在以下网址获得：https://github.com/iitgoa-ml/3d-cells-nuclei-segmentation s 主成分分析 (PCA) 表明，细胞和细胞核形状之间的显着变异模式是缩放和扁平化。我们使用已知的核形态力学模型对这些模式进行基准测试。随后的模式改变了细胞核的离心率，并相对于细胞平移和旋转它。我们对细胞和细胞核形状的向量空间表示有助于物理解释变异源。它可能进一步有助于指导机械模型并确定驱动细胞和核形状变化的分子机制。本文中使用的源代码和数据可在以下网址获得：https://github.com/iitgoa-ml/3d-cells-nuclei-segmentation 我们使用已知的核形态力学模型对这些模式进行基准测试。随后的模式改变了细胞核的离心率，并相对于细胞平移和旋转它。我们对细胞和细胞核形状的向量空间表示有助于物理解释变异源。它可能进一步有助于指导机械模型并确定驱动细胞和核形状变化的分子机制。本文中使用的源代码和数据可在以下网址获得：https://github.com/iitgoa-ml/3d-cells-nuclei-segmentation 我们使用已知的核形态力学模型对这些模式进行基准测试。随后的模式改变了细胞核的离心率，并相对于细胞平移和旋转它。我们对细胞和细胞核形状的向量空间表示有助于物理解释变异源。它可能进一步有助于指导机械模型并确定驱动细胞和核形状变化的分子机制。本文中使用的源代码和数据可在以下网址获得：https://github.com/iitgoa-ml/3d-cells-nuclei-segmentation 它可能进一步有助于指导机械模型并确定驱动细胞和核形状变化的分子机制。本文中使用的源代码和数据可在以下网址获得：https://github.com/iitgoa-ml/3d-cells-nuclei-segmentation 它可能进一步有助于指导机械模型并确定驱动细胞和核形状变化的分子机制。本文中使用的源代码和数据可在以下网址获得：https://github.com/iitgoa-ml/3d-cells-nuclei-segmentation