Biofyzici nás přivádějí blíže k inteligentním mikroskopům

Kdykoli někdo chce získat podrobné pozorování bakteriálního dělení ze vzorku živých bakterií, věci mohou být trochu komplikované. Možná budou muset zůstat u mikroskopu non-stop, dokud se bakterie nerozdělí, což může trvat hodiny. Ruční detekce a akviziční kontrola jsou ve skutečnosti velmi časté v oboru.

Jinou možností je nastavit mikroskop tak, aby pořizoval snímky bez rozdílu a co nejčastěji, ale nadměrné světlo může způsobit problémy. Vyčerpává fluorescenci ze vzorku rychleji, což může předčasně zničit živé vzorky. Současně by bylo generováno mnoho zbytečných snímků a pouze několik by skutečně obsahovalo snímky dělících se bakterií.

Jedna další možnost spočívá v použití umělé inteligence (AI) k detekci předzvěstí bakteriálního dělení a jejich použití k automatickému aktualizování softwaru mikroskopu, což by mu pomohlo pořídit více snímků dělení.

Automatizace řízení mikroskopu

Podívejte se na tyto tři různé možnosti, tým biofyziků z Ecole Polytechnique Fédérale de Lausanne (EPFL) přišel se způsobem, jak automatizovat řízení mikroskopu pro zobrazování biologických událostí v detailu. A zároveň omezuje stres na vzorek. Nová technika se spoléhá na umělou neuronovou síť a funguje pro bakteriální dělení buněk i mitochondriální dělení.

Tým zveřejnil své výsledky v Nature Methods.

Suliana Manley je hlavní výzkumník z laboratoře experimentální biofyziky EPFL.

„Inteligentní mikroskop je trochu jako samořiditelné auto. Potřebuje zpracovat určitý typ informací, jemné vzory, na které poté reaguje změnou chování,” říká Manley. “Pomocí neuronové sítě můžeme detekovat mnohem jemnější události a použít je k řízení změn v akviziční rychlosti.”

Tým nejprve našel řešení pro detekci mitochondriálního dělení, které je obtížnější než řešení pro některé bakterie. Mitochondriální dělení se vyskytuje méně často, což znamená, že je nepředvídatelné, a může se vyskytnout téměř kdekoli v mitochondriální síti v kteroukoli chvíli.

Školení neuronové sítě

Tým trénoval neuronovou síť, aby hledala mitochondriální konstrikce, což je změna tvaru mitochondrií, která vede k dělení. Také pozorovali protein, který je známý tím, že je obohacen na místech dělení.

Mikroskop přepne do vysokorychlostního zobrazování, když jsou konstrikce a úrovně proteinu vysoké, což mu umožňuje zachytit mnoho snímků dělení. Ale když jsou úrovně nízké, mikroskop přepne do nízko-rychlostního zobrazování, což pomáhá zabránit vystavení vzorku nadměrnému světlu.

Inteligentní fluorescenční mikroskop, jako je tento, umožňuje vědcům pozorovat vzorky déle ve srovnání se standardním rychlým zobrazováním. Vzorek byl více stresován ve srovnání se standardním pomalým zobrazováním, ale tým mohl získat více významných dat.

“Potenciál inteligentní mikroskopie zahrnuje měření toho, co by standardní akvizice přehlédly,” vysvětluje Manley. “Zachytíme více událostí, měříme menší konstrikce a můžeme sledovat každé dělení ve větším detailu.”

Tým nyní zpřístupňuje řídicí rámec jako open-source plugin pro otevřený mikroskopický software Micro-Manager. Chtějí umožnit ostatním vědcům integrovat AI do svých vlastních mikroskopů.