清华大学最新Cell：于国强团队开发AQuA2平台，实现对分子信号的时空量化分析

撰文丨王聪

编辑丨王多鱼

排版丨水成文

在神经科学、细胞生物学、病理学和发育生物学等诸多领域，对细胞和分子活动进行时空成像已成为一种至关重要的方法。现代基因编码荧光探针和先进成像技术的最新发展，使得包括钙离子、ATP、神经递质、神经递质以及其他分子在内的多种信号的观察成为可能，极大地拓展了科学研究的广度和深度。然而，随着数据生成的迅速增长以及诸如异质性空间分布和多向传播等复杂时空活动模式的显现，对数据进行量化和理解已成为一个限制因素。

由于数据的复杂性和庞大的数据量，人工检查根本无法实现，即便有可能，也常常会遗漏细微但重要的信息。尽管已经开发出了自动化图像分析方法，但它们通常局限于对特定类型的信号进行建模，且假定其具有简单的时空模式，或者存在准确性低、处理时间长以及分析功能有限等问题，无法满足当今对于统一数据分析平台的需求。

2025 年 4 月 8 日，清华大学于国强教授团队在国际顶尖学术期刊Cell上发表了题为：Fast, accurate, and versatile data analysis platform for the quantification of molecular spatiotemporal signals 的研究论文 【1】 。

该研究开发了一个快速、精准且功能多样的开源数据分析平台——AQuA2，用于分子时空信号的量化分析。 该成果的关键突破是提出了时空统一的理论框架，攻克了事件分解这一核心技术，使得生命分子信号（例如钙信号和多巴胺信号）在时间和空间两个不同的层面上得到统一分析，无论是分子信号的空间变化还是时间上的动态过程，都可以得到准确灵活的检测与量化。

早在 2019 年，于国强团队等在Nature Neuroscience期刊发表论文 【2】，开发了星形胶质细胞定量分析（Astrocyte Quantitative Analysis，AQuA），作为是基于事件的定量分析技术先驱，被广泛应用于星形胶质细胞领域。

随着 AQuA 使用量的不断增加，开发团队收到了大量请求，希望有一个快速、准确且功能多样的平台，以增强对通用分子时空活动的量化和分析。

首先，研究人员发现区域或位置信息有助于解读他们的研究结果，因此，他们需要能够将基于区域的方法和基于事件的方法相结合的分析方法。

其次，随着多重成像方法的日趋成熟，有必要对不止一种类型的信号进行建模，并分析它们之间的相互作用。

第三，由于研究人员力求将对所研究系统的干扰降到最低，因此会产生信噪比较低的数据集，这就需要更精确的算法来应对大量噪声。

第四，新的数据规模越来越大，常常涉及三个空间维度。庞大的数据量要求在计算时间和计算机内存方面都有更好的方法。

最后，尽管 AQuA 最初主要是为星形胶质细胞钙离子活动而设计的，但它已被应用于许多其他细胞类型和信号的分析，而未经过全面的验证和优化。

针对上述反馈和需求，于国强团队开发了AQuA（Astrocyte Quantitative Analysis）的改进版——AQuA2（Activity Quantification and Analysis）。需要指出的是，AQuA2 的第一个字母 A 为活性（activity），而非 AQuA 的第一个字母代表的星型胶质细胞（Astrocyte），这提示了 AQuA2 的使用范围有了很大的扩展。

AQuA2 是一个基于先进的机器学习技术构建的快速、准确且通用的数据分析平台。它将基于活细胞成像的复杂数据集分解为基本的信号事件，从而能够准确且无偏地量化分子活动，并识别出一致的功能单元。

研究团队展示了 AQuA2 在各种生物传感器、细胞类型、器官、动物模型、显微镜技术和成像方法中的应用。具体来说，AQuA2 对钙离子、去甲肾上腺素、ATP、乙酰胆碱及多巴胺等多种荧光传感器信号具有量化检测能力，并覆盖包括神经元、星形胶质细胞、少突胶质细胞与微胶质细胞在内的不同细胞类型。无论是小鼠还是斑马鱼的大脑和脊髓，AQuA2 都能从时间序列影像中准确提取并量化那些往往被噪声或复杂结构所掩盖的微妙动态特征。

作为范例研究结果，研究团队还展示了 AQuA2 如何识别出神经元与星形胶质细胞之间的药物依赖性相互作用，以及小鼠脊髓中不同的感觉运动信号传播模式。

为了提高易用性，研究团队为 AQuA2 设计了用户友好的操作界面，不仅支持二维与三维数据，也适用于多种双通道或多通道成像。研究团队为这一算法框架配备了友好的图形操作界面，可在 MATLAB、Fiji（ImageJ插件）以及云端服务等多平台使用，方便研究者根据需求选择离线或远程资源进行分析。

该研究的亮点：

• AQuA2 能够量化从亚细胞到回路的分子时空信号的多样性；

• 共识功能单元（CFU）连接基于事件和基于感兴趣区域的信号检测算法；

• AQuA2 利用先进的机器学习算法实现快速、大规模的分析；

• AQuA2 是开源的，支持双色和 3D 分析，并配有直观的图形用户界面。

透过 AQuA2 对分子信号的事件级别刻画与时空关系挖掘，不仅可以更加精确地研究脑活动、胶质细胞与神经元间的交互、病变组织的代谢特征等等，还可在免疫学与药物学等领域为潜在机制提供新的研究工具。

研究团队表示，希望未来能与更多同行开展多学科合作，在技术和应用层面持续打磨这一分析平台，为神经科学、病理学、免疫学、发育生物学以及更广泛的生命科学难题带去新的契机与思路。

论文链接：

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

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