撰文丨王聰

編輯丨王多魚

排版丨水成文

在神經科學、細胞生物學、病理學和發育生物學等諸多領域，對細胞和分子活動進行時空成像已成為一種至關重要的方法。現代基因編碼熒光探針和先進成像技術的最新發展，使得包括鈣離子、ATP、神經遞質、神經遞質以及其他分子在內的多種信號的觀察成為可能，極大地拓展了科學研究的廣度和深度。然而，隨著數據生成的迅速增長以及諸如異質性空間分布和多向傳播等復雜時空活動模式的顯現，對數據進行量化和理解已成為一個限制因素。

由于數據的復雜性和龐大的數據量，人工檢查根本無法實現，即便有可能，也常常會遺漏細微但重要的信息。盡管已經開發出了自動化圖像分析方法，但它們通常局限于對特定類型的信號進行建模，且假定其具有簡單的時空模式，或者存在準確性低、處理時間長以及分析功能有限等問題，無法滿足當今對于統一數據分析平臺的需求。

2025 年 4 月 8 日，清華大學于國強教授團隊在國際頂尖學術期刊Cell上發表了題為：Fast, accurate, and versatile data analysis platform for the quantification of molecular spatiotemporal signals 的研究論文 【1】 。

該研究開發了一個快速、精準且功能多樣的開源數據分析平臺——AQuA2，用于分子時空信號的量化分析。 該成果的關鍵突破是提出了時空統一的理論框架，攻克了事件分解這一核心技術，使得生命分子信號（例如鈣信號和多巴胺信號）在時間和空間兩個不同的層面上得到統一分析，無論是分子信號的空間變化還是時間上的動態過程，都可以得到準確靈活的檢測與量化。

早在 2019 年，于國強團隊等在Nature Neuroscience期刊發表論文 【2】，開發了星形膠質細胞定量分析（Astrocyte Quantitative Analysis，AQuA），作為是基于事件的定量分析技術先驅，被廣泛應用于星形膠質細胞領域。

隨著 AQuA 使用量的不斷增加，開發團隊收到了大量請求，希望有一個快速、準確且功能多樣的平臺，以增強對通用分子時空活動的量化和分析。

首先，研究人員發現區域或位置信息有助于解讀他們的研究結果，因此，他們需要能夠將基于區域的方法和基于事件的方法相結合的分析方法。

其次，隨著多重成像方法的日趨成熟，有必要對不止一種類型的信號進行建模，并分析它們之間的相互作用。

第三，由于研究人員力求將對所研究系統的干擾降到最低，因此會產生信噪比較低的數據集，這就需要更精確的算法來應對大量噪聲。

第四，新的數據規模越來越大，常常涉及三個空間維度。龐大的數據量要求在計算時間和計算機內存方面都有更好的方法。

最后，盡管 AQuA 最初主要是為星形膠質細胞鈣離子活動而設計的，但它已被應用于許多其他細胞類型和信號的分析，而未經過全面的驗證和優化。

針對上述反饋和需求，于國強團隊開發了AQuA（Astrocyte Quantitative Analysis）的改進版——AQuA2（Activity Quantification and Analysis）。需要指出的是，AQuA2 的第一個字母 A 為活性（activity），而非 AQuA 的第一個字母代表的星型膠質細胞（Astrocyte），這提示了 AQuA2 的使用范圍有了很大的擴展。

AQuA2 是一個基于先進的機器學習技術構建的快速、準確且通用的數據分析平臺。它將基于活細胞成像的復雜數據集分解為基本的信號事件，從而能夠準確且無偏地量化分子活動，并識別出一致的功能單元。

研究團隊展示了 AQuA2 在各種生物傳感器、細胞類型、器官、動物模型、顯微鏡技術和成像方法中的應用。具體來說，AQuA2 對鈣離子、去甲腎上腺素、ATP、乙酰膽堿及多巴胺等多種熒光傳感器信號具有量化檢測能力，并覆蓋包括神經元、星形膠質細胞、少突膠質細胞與微膠質細胞在內的不同細胞類型。無論是小鼠還是斑馬魚的大腦和脊髓，AQuA2 都能從時間序列影像中準確提取并量化那些往往被噪聲或復雜結構所掩蓋的微妙動態特征。

作為范例研究結果，研究團隊還展示了 AQuA2 如何識別出神經元與星形膠質細胞之間的藥物依賴性相互作用，以及小鼠脊髓中不同的感覺運動信號傳播模式。

為了提高易用性，研究團隊為 AQuA2 設計了用戶友好的操作界面，不僅支持二維與三維數據，也適用于多種雙通道或多通道成像。研究團隊為這一算法框架配備了友好的圖形操作界面，可在 MATLAB、Fiji（ImageJ插件）以及云端服務等多平臺使用，方便研究者根據需求選擇離線或遠程資源進行分析。

該研究的亮點：

• AQuA2 能夠量化從亞細胞到回路的分子時空信號的多樣性；

• 共識功能單元（CFU）連接基于事件和基于感興趣區域的信號檢測算法；

• AQuA2 利用先進的機器學習算法實現快速、大規模的分析；

• AQuA2 是開源的，支持雙色和 3D 分析，并配有直觀的圖形用戶界面。

透過 AQuA2 對分子信號的事件級別刻畫與時空關系挖掘，不僅可以更加精確地研究腦活動、膠質細胞與神經元間的交互、病變組織的代謝特征等等，還可在免疫學與藥物學等領域為潛在機制提供新的研究工具。

研究團隊表示，希望未來能與更多同行開展多學科合作，在技術和應用層面持續打磨這一分析平臺，為神經科學、病理學、免疫學、發育生物學以及更廣泛的生命科學難題帶去新的契機與思路。

論文鏈接：

https://www.cell.com/cell/fulltext/S0092-8674(25)00285-5

https://www.nature.com/articles/s41593-019-0492-2