Bifyysikot tuovat meidät lähemmäs älykkäitä mikroskooppeja

Aina kun joku haluaa saada yksityiskohtaisia havaintoja bakteerien jakautumisesta elävien bakteerien näytteestä, asiat voivat muodostua hieman monimutkaisiksi. Heidän täytyy ehkä olla mikroskoopin ääressä jatkuvasti, kunnes bakteeri jakautuu, mikä voi kestää tunteja. Manuaalinen havainto ja hallintavalinta on tosiasiallisesti hyvin yleinen alalla. 

Toinen vaihtoehto on asettaa mikroskooppi ottamaan kuvia erottelematta ja niin usein kuin mahdollista, mutta liiallinen valo voi aiheuttaa ongelmia. Se tyhjentää fluoresenssin näytteestä nopeammin, mikä voi tuhota ennenaikaisesti elävät näytteet. Samalla olisi paljon tarpeettomia kuvia, ja vain muutamassa niistä olisi todella bakteerien jakautumista. 

Yksi ratkaisu on käyttää tekoälyä (AI) havaitsemaan bakteerien jakautumisen edeltäjiä ja käyttää niitä päivittämään mikroskoopin ohjelmistoja, mikä auttaisi ottamaan enemmän kuvia jakautumisesta. 

Mikroskoopin ohjauksen automatisointi

Katsomalla näitä kolmea eri vaihtoehtoa, Ecole Polytechnique Fédérale de Lausannen (EPFL) bifyysikoiden tiimi on kehittänyt tavan automatisoida mikroskoopin ohjaus biologisten tapahtumien kuvaamiseksi yksityiskohtaisesti. Samalla menetelmä rajoittaa näytteen rasitusta. Uusi tekniikka perustuu tekoälyverkkoihin, ja se toimii sekä bakteerien solujakautumiselle että mitokondrien jakautumiselle. 

Tiimi julkaisi tutkimuksensa Nature Methods.  

Suliana Manley on päätutkija EPFL:n Kokeellisen biofiysiikan laboratoriosta. 

“Älykäs mikroskooppi on jonkinlainen itseohjautuva auto. Se tarvitsee tietyn tyyppisen tiedon, hienostuneita kuvioita, joihin se vastaa muuttamalla käyttäytymistään”, sanoo Manley. “Käyttämällä tekoälyverkkoa voimme havaita paljon hienostuneampia tapahtumia ja käyttää niitä ohjaamaan muutoksia hankinta-nopeudessa.”

Tiimi löysi ensin ratkaisun mitokondrien jakautumisen havaitsemiseen, joka on vaikeampi kuin tiettyjen bakteerien ratkaisu. Mitokondrien jakautuminen tapahtuu harvemmin, mikä tarkoittaa, että se on arvaamaton, ja se voi tapahtua melkein missä tahansa mitokondri-verkostossa milloin tahansa. 

Tekoälyverkon kouluttaminen

Tiimi koulutti tekoälyverkon etsimään mitokondrien ahdinkoja, jotka ovat muutoksia mitokondrien muodossa, jotka johtavat jakautumiseen. He myös havaitsivat proteiinin, joka on runsaasti jakautumispaikoilla. 

Mikroskooppi vaihtaa nopeaan kuvaamiseen, kun sekä ahdinkot että proteiinitasot ovat korkeat, mikä mahdollistaa sen, että se ottaa useita kuvia jakautumistapahtumista. Mutta kun tasot ovat matalat, mikroskooppi vaihtaa hitaaseen kuvaamiseen, mikä auttaa välttämään näytteen altistamisen liialliselle valolle. 

Tällainen älykäs fluoresenssimikroskooppi mahdollistaa tutkijoiden tarkkailemisen näytteitä pidempään verrattuna standardiin nopeaan kuvaamiseen. Näyte oli enemmän rasittunut verrattuna standardiin hitaaseen kuvaamiseen, mutta tiimi pystyi saamaan enemmän merkityksellisiä tietoja. 

“Älykkään mikroskoopin potentiaali sisältää mittaamisen, mitä standardihankinnat jättävät huomiotta”, Manley selittää. “Meidän on mahdollista havaita enemmän tapahtumia, mitata pienempiä ahdinkoja ja seurata jokaista jakautumista tarkemmin.”

Tiimi on nyt tekemässä ohjauskehyksen saataville avoimena lisäosana avoimen mikroskooppi-ohjelmiston Micro-Managerille. He toivovat mahdollistavansa muiden tutkijoiden integroida tekoälynsä omiin mikroskooppeihin.