类器官正在成为疾病建模、药物筛选和精准医学研究中的重要工具，但在实验室里，研究人员仍常常需要面对一个朴素却关键的问题：这些类器官长得好不好、状态是否一致、何时适合传代或进入药物评价，能否不再主要依赖人工经验来判断？
近日，中国科学院新疆理化技术研究所胡鹏伟研究员团队联合北京大学第三医院、重庆大学附属人民医院（重庆市人民医院）及德国默克（Merck KGaA）等合作单位，在期刊CellReportsMethods发表研究论文OrgLine: A versatile pipeline for organoid morphometryusing detector-guided prompts。该研究提出了面向类器官形态学分析的基础大模型OrgLine，服务于类器官明场图像中的识别、分割和形态量化任务。OrgLine旨在将类器官培养过程中的观察、计数、分割和形态学分析转化为更稳定、更可重复的自动化流程。
类器官是由干细胞或组织来源细胞在体外自组织形成的三维结构，能够在一定程度上模拟人体组织结构、功能状态和疾病相关表型。近年来，类器官已被广泛用于肿瘤研究、药物反应评估、精准医学和再生医学等领域。然而，类器官培养并不是一个只靠终点检测就能完成的过程。研究人员往往需要持续观察类器官的大小、形态、密度和生长状态，判断培养质量、实验窗口和后续操作时机。在明场显微图像中，类器官常常形态各异、边界模糊、相互重叠，图像背景还可能存在气泡、阴影、离焦和培养基干扰，这使得人工观察费时费力，也容易产生主观差异。
OrgLine的核心思路，是把视觉大模型的通用表征能力和提示式分割思想引入类器官图像分析，并结合团队预训练的类器官检测模型进行任务适配。因此，它并不是只面向单一数据集或单一任务的分割工具，而是面向类器官培养、识别、分割和形态学量化的一体化基础模型。简单来说，OrgLine先在明场图像中自动定位类器官并生成检测框，再将检测框作为提示信息，引导分割模型获得单个类器官的精细边界。通过这种“检测引导提示分割”的方式，OrgLine不仅能够完成类器官检测和计数，还能进一步支持分类、实例分割和形态学量化分析。相比单纯依靠人工圈定，OrgLine使类器官图像分析更接近标准化的数据处理流程。
为验证方法的可靠性，研究团队构建并整理了覆盖多器官来源的类器官明场图像数据集，包含超过8000张显微图像和120000个经专家校正标注的类器官实例。结果显示，OrgLine在复杂背景、边界模糊和类器官重叠等场景中仍能保持稳定表现，其分析结果与专家人工标注具有高度一致性。这意味着，OrgLine不仅能“找得到”类器官，还能更准确地区分相互接触或重叠的个体，为面积、形状、轨迹等后续指标计算提供可靠基础。更重要的是，该方法依托常规明场显微图像即可实现无侵入式监测，不需要破坏样本或引入复杂标记，更适合类器官培养过程中的连续观察。
从应用角度看，OrgLine为类器官的分析提供了一套完全基于人工智能的标准化管道，可服务于类器官培养质量控制、形态表型分析、时间序列追踪和传代辅助判断。对于药物筛选而言，稳定的形态学量化有助于研究人员更客观地比较不同药物处理后的类器官变化；对于精准医学而言，患者来源类器官的培养状态和药物反应评估也需要更一致、更可复现的图像分析工具。因此，OrgLine的意义不仅在于提高图像处理精度，更在于为类器官实验建立一套连续、客观、可比较的数据化观察方式，使不同批次、不同来源和不同实验条件下的类器官评价更加标准化。
中国科学院新疆理化技术研究所邓迅为该论文独立第一作者，胡鹏伟研究员为独立通讯作者。
原文链接：https://www.cell.com/cell-reports-methods/fulltext/S2667-2375(26)00182-7
制版人：十一
BioArt
Med
Plants
人才招聘
学术合作组织
（*排名不分先后）
转载须知
【非原创文章】本文著作权归文章作者所有，欢迎个人转发分享，未经作者的允许禁止转载，作者拥有所有法定权利，违者必究。
热门跟贴