Srajan Jain, Zacchary Ben Meriem, Jean-Baptiste Lugagne, Pascal Hersen, Chiara Fracassi, Gregory Batt, Clément Vulin, Pierre Ivanovitch, Batt, Gregory, Des modèles de population aux populations de modèles: observation, modélisation et contrôle de l'expression génique au niveau de la cellule unique - - Iceberg2010 - ANR-10-BINF-0006 - BINF - VALID, Contrôle automatisé de l'expression des gènes - - COGEX2016 - ANR-16-CE12-0025 - AAPG2016 - VALID, Modèles à effets mixtes de processus intracellulaires: méthodes, outils et applications - - MEMIP2016 - ANR-16-CE33-0018 - AAPG2016 - VALID, Smart Lab-On-Chips for the Real -Time Control of Cells - SmartCells - - H2020 Pilier ERC2017-04-01 - 2022-03-31 - 724813 - VALID, Matière et Systèmes Complexes (MSC (UMR_7057)), Université Paris Diderot - Paris 7 (UPD7)-Centre National de la Recherche Scientifique (CNRS), Computational systems biology and optimization (Lifeware), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Biologie et Dynamique des Chromosomes [Groupe Hospitalier Saint-Louis-Lariboisière-Fernand-Widal] (Equipe), Pathologie cellulaire : aspects moléculaires et viraux / Pathologie et Virologie Moléculaire, Institut Universitaire d'Hématologie (IUH), Université Paris Diderot - Paris 7 (UPD7)-Université Paris Diderot - Paris 7 (UPD7)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Groupe Hospitalier Saint Louis - Lariboisière - Fernand Widal [Paris], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Centre National de la Recherche Scientifique (CNRS)-Institut Universitaire d'Hématologie (IUH), Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Centre National de la Recherche Scientifique (CNRS)-Université Sorbonne Paris Cité (USPC), Eidgenössische Technische Hochschule - Swiss Federal Institute of Technology [Zürich] (ETH Zürich), Centre de Bioinformatique, Biostatistique et Biologie Intégrative (C3BI), Institut Pasteur [Paris] (IP)-Centre National de la Recherche Scientifique (CNRS), This work was supported by the Agence Nationale de la Recherche (ANR-10-BINF-0006, ANR-16-CE12-0025, ANR-16-CE33-0018) and the European Research Council (ERC) under the European Union’s Horizon 2020 research and innovation program (grant agreement No 724813)., ANR-10-BINF-0006,Iceberg,Des modèles de population aux populations de modèles: observation, modélisation et contrôle de l'expression génique au niveau de la cellule unique(2010), ANR-16-CE12-0025,COGEX,Contrôle automatisé de l'expression des gènes(2016), ANR-16-CE33-0018,MEMIP,Modèles à effets mixtes de processus intracellulaires: méthodes, outils et applications(2016), European Project: 724813,H2020 Pilier ERC,SmartCells(2017), Matière et Systèmes Complexes (MSC), Centre National de la Recherche Scientifique (CNRS)-Université Paris Diderot - Paris 7 (UPD7), and Institut Pasteur [Paris]-Centre National de la Recherche Scientifique (CNRS)
Obtaining single cell data from time-lapse microscopy images is critical for quantitative biology, but bottlenecks in cell identification and segmentation must be overcome. We propose a novel, versatile method that uses machine learning classifiers to identify cell morphologies from z-stack bright-field microscopy images. We show that axial information is enough to successfully classify the pixels of an image, without the need to consider in focus morphological features. This fast, robust method can be used to identify different cell morphologies, including the features of E. coli, S. cerevisiae and epithelial cells, even in mixed cultures. Our method demonstrates the potential of acquiring and processing Z-stacks for single-layer, single-cell imaging and segmentation., Scientific Reports, 8 (1), ISSN:2045-2322