Abstrakt:
Kæmpevirus, såsom mimivirus og pandoravirus, er usædvanligt store vira, der inficerer forskellige mikroorganismer. At forstå deres infektionsmekanismer er afgørende for at studere virologi og mikrobiel økologi. Konventionelle tilgange til analyse af kæmpe virusinfektioner i amøber er afhængige af kvalitative observationer, som kan være subjektive og begrænsede til at give detaljeret indsigt i infektionsprocessen.
I denne undersøgelse udviklede vi en ny billedanalysemetode til time-lapse mikroskopidata til kvantitativ analyse af kæmpe virusinfektioner i amøber. Vores metode involverer billedsegmentering, feature-ekstraktion og maskinlæringsteknikker. Vi anvendte denne metode til at analysere high-throughput time-lapse billeddannelsesdata af Acanthamoeba castellanii inficeret med den gigantiske virus Mimivirus.
Vores resultater giver en omfattende analyse af infektionsprocessen, herunder den indledende vedhæftning af virussen til amøbeoverfladen, viral indtræden, replikation og frigivelse. Kvantitative målinger, såsom infektionshastighed, viral belastning og replikationskinetik, blev opnået og analyseret statistisk. Vi identificerede også vigtige morfologiske ændringer i inficerede amøbeceller gennem hele infektionscyklussen.
Den udviklede billedanalysemetode gør forskerne i stand til systematisk at studere infektionsmekanismerne for kæmpevirus med høj nøjagtighed og gennemstrømning. Denne tilgang bidrager ikke kun til at fremme vores forståelse af gigantiske virus-vært-interaktioner, men tilbyder også et værdifuldt værktøj til at undersøge andre aspekter af mikrobiel økologi og virologi.