I biofisici ci portano più vicino ai microscopi intelligenti

Quando qualcuno vuole ottenere osservazioni dettagliate della divisione batterica da un campione di batteri vivi, le cose possono diventare un po’ complicate. Potrebbero dover rimanere al microscopio senza sosta fino a quando il batterio si divide, il che può richiedere ore. La rilevazione e il controllo manuale sono in realtà molto comuni nel settore.

Un’altra opzione è impostare il microscopio per scattare immagini indiscriminatamente e il più frequentemente possibile, ma la luce eccessiva può causare problemi. Esaurisce la fluorescenza del campione più velocemente, il che può distruggere prematuramente i campioni vivi. Allo stesso tempo, verrebbero generate molte immagini non necessarie e solo alcune conterrebbero effettivamente immagini di batteri che si dividono.

Un’altra soluzione ancora è utilizzare l’intelligenza artificiale (AI) per rilevare i precursori della divisione batterica e utilizzarli per aggiornare automaticamente il software di controllo del microscopio, il che aiuterebbe a scattare più immagini della divisione.

Automatizzazione del controllo del microscopio

Guardando queste tre diverse opzioni, un team di biofisici dell’Ecole Polytechnique Fédérale de Lausanne (EPFL) ha trovato un modo per automatizzare il controllo del microscopio per l’immagine di eventi biologici in dettaglio. E allo stesso tempo, il metodo limita lo stress sul campione. La nuova tecnica si basa su reti neurali artificiali e funziona sia per la divisione cellulare batterica che per la divisione mitocondriale.

Il team ha pubblicato i suoi risultati su Nature Methods.

Suliana Manley è il principale ricercatore del Laboratorio di biofisica sperimentale dell’EPFL.

“Un microscopio intelligente è un po’ come un’auto a guida autonoma. Ha bisogno di elaborare certi tipi di informazioni, modelli sottili che risponde cambiando il suo comportamento”, dice Manley. “Utilizzando una rete neurale, possiamo rilevare eventi molto più sottili e utilizzarli per guidare i cambiamenti nella velocità di acquisizione”.

Il team ha trovato per primo una soluzione per rilevare la divisione mitocondriale, che è più difficile di una soluzione per certi batteri. La divisione mitocondriale si verifica meno frequentemente, il che significa che è imprevedibile e può verificarsi quasi ovunque all’interno della rete mitocondriale in qualsiasi momento.

Addestramento della rete neurale

Il team ha addestrato la rete neurale a cercare le costrizioni mitocondriali, che è un cambiamento di forma dei mitocondri che porta alla divisione. Hanno anche osservato una proteina nota per essere arricchita nei siti di divisione.

Il microscopio passerà alla modalità di imaging ad alta velocità quando sia le costrizioni che i livelli di proteine sono alti, il che consente di catturare molte immagini di eventi di divisione. Ma quando i livelli sono bassi, il microscopio passerà alla modalità di imaging a bassa velocità, il che aiuta a evitare di esporre il campione a luce eccessiva.

Un microscopio fluorescente intelligente come questo consente ai ricercatori di osservare i campioni per periodi più lunghi rispetto all’immaging veloce standard. Il campione era più stressato rispetto all’immaging lento standard, ma il team poteva ottenere dati più significativi.

“Il potenziale della microscopia intelligente include la misurazione di ciò che le acquisizioni standard mancherebbero”, spiega Manley. “Noi catturiamo più eventi, misuriamo costrizioni più piccole e possiamo seguire ogni divisione in maggior dettaglio”.

Il team sta ora rendendo disponibile il framework di controllo come plug-in open-source per il software di microscopio open Micro-Manager. Desiderano consentire ad altri scienziati di integrare l’AI nei propri microscopi.