Biophysiker bringen uns intelligente Mikroskope näher

Wenn jemand detaillierte Beobachtungen der Bakterienvermehrung aus einer Probe lebender Bakterien erhalten möchte, kann es ein bisschen kompliziert werden. Sie müssen möglicherweise ständig am Mikroskop bleiben, bis das Bakterium sich teilt, was Stunden dauern kann. Manuelle Erkennung und Überwachungskontrolle sind tatsächlich sehr häufig in diesem Bereich.

Eine weitere Option besteht darin, das Mikroskop so einzustellen, dass es Bilder ohne Unterschied und so oft wie möglich aufnimmt, aber übermäßiges Licht kann Probleme verursachen. Es entleert die Fluoreszenz aus der Probe schneller, was lebende Proben vorzeitig zerstören kann. Gleichzeitig würden viele unnötige Bilder generiert werden, und nur wenige würden tatsächlich Bilder von sich teilenden Bakterien enthalten.

Eine weitere Lösung besteht darin, künstliche Intelligenz (KI) zu verwenden, um Vorboten der Bakterienvermehrung zu erkennen und sie zur automatischen Aktualisierung der Steuerungssoftware des Mikroskops zu verwenden, was dazu beitragen würde, mehr Bilder der Vermehrung aufzunehmen.

Automatisierung der Mikroskopsteuerung

Bei Betrachtung dieser drei verschiedenen Optionen haben ein Team von Biophysikern an der Ecole Polytechnique Fédérale de Lausanne (EPFL) eine Möglichkeit entwickelt, die Mikroskopsteuerung für die Abbildung biologischer Ereignisse im Detail zu automatisieren. Und gleichzeitig begrenzt die Methode den Stress auf die Probe. Die neue Technik basiert auf künstlichen neuronalen Netzen und funktioniert sowohl für die Zellvermehrung von Bakterien als auch für die mitochondriale Vermehrung.

Das Team veröffentlichte seine Ergebnisse in Nature Methods.

Suliana Manley ist die leitende Forscherin aus dem Labor für experimentelle Biophysik der EPFL.

“Ein intelligentes Mikroskop ist ein bisschen wie ein selbstfahrendes Auto. Es muss bestimmte Arten von Informationen verarbeiten, subtile Muster, auf die es dann reagiert, indem es sein Verhalten ändert”, sagt Manley. “Indem wir ein neuronales Netzwerk verwenden, können wir viel subtilere Ereignisse erkennen und sie verwenden, um Änderungen in der Aufnahmegeschwindigkeit zu steuern.”

Das Team fand zunächst eine Lösung für die Erkennung der mitochondrialen Vermehrung, die schwieriger ist als eine Lösung für bestimmte Bakterien. Die mitochondriale Vermehrung tritt seltener auf, was bedeutet, dass sie unvorhersehbar ist, und sie kann fast überall im mitochondrialen Netzwerk zu jedem Zeitpunkt auftreten.

Trainieren des neuronalen Netzes

Das Team trainierte das neuronale Netzwerk, um mitochondriale Einschränkungen zu erkennen, was eine Änderung der Form der Mitochondrien ist, die zur Vermehrung führt. Sie beobachteten auch ein Protein, das an den Stellen der Vermehrung angereichert ist.

Das Mikroskop schaltet auf Hochgeschwindigkeitsaufnahme, wenn sowohl Einschränkungen als auch Proteinwerte hoch sind, was es ermöglicht, viele Bilder von Vermehrungsereignissen aufzunehmen. Wenn die Werte jedoch niedrig sind, schaltet das Mikroskop auf Niedriggeschwindigkeitsaufnahme, was hilft, die Probe vor übermäßigem Licht zu schützen.

Ein intelligentes fluoreszierendes Mikroskop wie dieses ermöglicht es Wissenschaftlern, Proben länger zu beobachten als bei Standard-Schnellaufnahmen. Die Probe war im Vergleich zu Standard-Langzeit-Aufnahmen stärker belastet, aber das Team konnte bedeutungsvollere Daten erhalten.

“Das Potenzial der intelligenten Mikroskopie umfasst die Messung dessen, was Standard-Aufnahmen verpassen würden”, erklärt Manley. “Wir erfassen mehr Ereignisse, messen kleinere Einschränkungen und können jede Vermehrung im Detail verfolgen.”

Das Team stellt nun den Steuerungsrahmen als Open-Source-Plug-in für die offene Mikroskop-Software Micro-Manager zur Verfügung. Sie möchten es anderen Wissenschaftlern ermöglichen, KI in ihre eigenen Mikroskope zu integrieren.