2023年9月25日，南京农业大学生科院刘峰副教授与浙江大学生物系统工程和食品科学学院冯旭萍/何勇课题组等多家单位，在Nature旗下植物学子刊Nature Plants （IF5=18.6）在线发表了题为“Plantorganelle Hunter is an effective deep-learning-based method for plant organelle phenotyping in electron microscopy”的研究论文，报道了可以自动识别并量化植物细胞中多个细胞器的深度学习系统，创建的OrgSegNet模型实现了电镜数据中植物亚细胞结构的精准分割，使植物亚细胞结构自动化三维重建成为现实。
在这项研究中，团队采集了多19种植物的透射电子显微镜图像，并标注了超过9000个细胞器用于OrgSegNet深度学习模型的构建，开发的可广泛应用于各种植物的深度学习管道流程Plantorganelle Hunter，可以在像素水平对电镜图像中的多个细胞器（细胞核、叶绿体、液泡、线粒体）进行精确的识别与分割，同时可以按照三个数字特征（形状复杂性，电子密度和横截面积）对细胞器进行形态分析。研究团队已经开源了算法和数据，并开发了在线识别系统（https://cropopen.com/#/Cell），热烈邀请相关领域科研人员探讨识别系统并进一步补充数据。这一系统不仅可以在2D水平对电镜数据进行分析，也可以取代原有三维细胞器重建过程中复杂繁琐的手动标记过程，有望推动植物亚细胞结构的表型研究，为农学、植物细胞分子生物学、植物生理学等学科提供新的思路和方法。
南京农业大学生科院刘峰副教授、浙江大学生物系统工程和食品科学学院何勇教授为本文的通讯作者，浙江大学生物系统工程和食品科学学院冯旭萍副研究员、硕士生俞泽宇为本文共同第一作者。南京农业大学生科院教学实验中心电镜室胡冰、秦春、胡钢、邢桂培，生命基地专业18级本科生陈丽婷、周欣然、赵博曦完成了本文的部分工作。浙江大学医学院郭建胜博士、澳大利亚墨尔本大学刘峰博士、香港浸会大学韩波博士、美国贝勒大学Bernd Zechmann博士等也参与了本研究。
原文链接：https://www.nature.com/articles/s41477-023-01527-5
