Bifyysikot tuovat meidät lähemmäs älykkäitä mikroskooppeja

Kun joku haluaa tehdä yksityiskohtaisia havaintoja bakteerien jakautumisesta elävien bakteerien näytteestä, asiat voivat muodostua hieman monimutkaisiksi. Heidän on ehkä pysyttävä mikroskoopin ääressä tauotta, kunnes bakteeri jakautuu, mikä voi kestää tunteja. Mikroskoopin manuaalinen havainto ja säätö on todella yleinen tapa tässä alalla.

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

Kolmas ratkaisu on käyttää tekoälyä (AI) havaitsemaan bakteerien jakautumisen edeltävät merkit ja käyttää niitä mikroskoopin ohjelmistojen automaattiseen päivittämiseen, mikä auttaisi ottamaan enemmän kuvia jakautumisesta.

Mikroskoopin ohjauksen automatisointi

Katsomalla näitä kolmea eri vaihtoehtoa, École 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 tuloksensa Nature Methods-julkaisussa.

Suliana Manley on pääkouluttaja EPFL:n kokeellisen biofysiikan laboratoriosta.

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

Tiimi löysi ensin ratkaisun mitokondrien jakautumisen havaitsemiseen, joka on vaikeampi kuin tiettyjen bakteerien ratkaisu. Mitokondrien jakautuminen on harvinaisempaa, mikä tarkoittaa, että se on ennalta arvaamaton, ja se voi tapahtua melkein missä tahansa mitokondriaaliverkostossa milloin tahansa.

Tekoälyverkon koulutus

Tiimi koulutti tekoälyverkon etsimään mitokondrien supistumisia, jotka ovat muutoksia mitokondrioiden muodossa, jotka johtavat jakautumiseen. He myös havainnoivat proteiinia, joka on runsaasti jakautumispaikoilla.

Mikroskooppi vaihtaa nopeaan kuvaamiseen, kun sekä supistumiset että proteiinitasot ovat korkeat, mikä mahdollistaa useiden jakautumistapahtumien kuvaamisen. Mutta kun tasot ovat matalat, mikroskooppi vaihtaa hitaaseen kuvaamiseen, mikä auttaa välttämään näytteen altistamisen liialliselle valolle.

Älykäs fluoresenssimikroskooppi, kuten tämä, mahdollistaa tieteilijöille näytteen havainnoinnin pidempään verrattuna standardiin nopeaan kuvaamiseen. Näyte oli enemmän rasittunut verrattuna standardiin hitaaseen kuvaamiseen, mutta tiimi pystyi saamaan enemmän merkityksellisiä tietoja.

“Älykkään mikroskopian potentiaali sisältää mitattavat asiat, joita standardihankinnat eivät huomaa”, Manley selittää. “Meidän on mahdollista havaita enemmän tapahtumia, mitata pienempiä supistumisia ja seurata jokaista jakautumista tarkemmin.”

Tiimi on nyt tekemässä ohjauskehyksestä avoimen lähdekoodin laajennuksen avoimelle mikroskooppiohjelmistolle Micro-Manager. He haluavat mahdollistaa muiden tieteilijöiden integroida tekoälynsä omiin mikroskooppeihin.