생물 물리학자, 지능형 현미경 개발에 한 걸음 더 가까이

생체 샘플에서 세균 분열의 자세한 관찰을 얻으려는 경우, 상황이有点 복잡해질 수 있습니다. 세균이 분열할 때까지 현미경에서 계속 머물러 있어야 하며, 이는 몇 시간이 걸릴 수 있습니다. 수동 감지 및 어큐레이션 제어는 실제로 이 분야에서 매우 일반적입니다.

또 다른 옵션은 현미경을 가능한 한 자주 이미지로 설정하는 것입니다. 그러나 과도한 빛은 문제를 일으킬 수 있습니다. 이는 샘플에서 형광을 더 빠르게 소모시켜, 생체 샘플을 прежzeitig 파괴할 수 있습니다.同時에, 실제로 세균 분열 이미지를 포함하는 몇 가지 이미지만 생성되는 반면, 많은 불필요한 이미지가 생성됩니다.

또 하나의 해결책은 인공 지능(AI)을 사용하여 세균 분열의 전구자를 감지하고, 이를 사용하여 현미경의 제어 소프트웨어를 자동으로 업데이트하는 것입니다.

현미경 제어 자동화

이 세 가지 다른 옵션을 살펴본 Ecole Polytechnique Fédérale de Lausanne(EPFL)의 생물 물리학자 팀은 생물학적 사건을 자세히 이미징하기 위한 현미경 제어를 자동화하는 방법을 개발했습니다.同時에, 샘플에 대한 스트레스를 제한하는 새로운 기술입니다. 이 기술은 인공 신경 네트워크에 의존하며, 세균 세포 분열과 미토콘드리아 분열 모두에 대해 작동합니다.

팀은 그들의 연구 결과를 Nature Methods에 발표했습니다.

Suliana Manley는 EPFL의 실험 생물 물리학 연구소의 책임 연구원입니다.

“지능형 현미경은 자율 주행 자동차와 비슷합니다. 특정 유형의 정보, 즉 미묘한 패턴을 처리해야 하며,이를 통해 행동을 변경합니다.”라고 Manley는 말합니다. “신경 네트워크를 사용하여 훨씬 더 미묘한 사건을 감지하고,이를 어큐레이션 속도에 대한 변경으로 사용할 수 있습니다.”

팀은 먼저 미토콘드리아 분열을 감지하는 해결책을 찾았습니다. 이는 특정 세균보다 더 어려운 것입니다. 미토콘드리아 분열은 더 적게 발생하며, 이는 예측할 수 없으며, 미토콘드리아 네트워크의 어디에서나 발생할 수 있습니다.

신경 네트워크 훈련

팀은 미토콘드리아의 형태가 분열로 이어지는 미토콘드리아 협착을 감지하도록 신경 네트워크를 훈련시켰습니다. 또한 분열 부위에서 풍부한 단백질을 관찰했습니다.

협착과 단백질 수준이 모두 높은 경우, 현미경은 고속 이미징으로 전환하여 분열 사건의 많은 이미지를 캡처할 수 있습니다. 그러나 수준이 낮은 경우, 현미경은 저속 이미징으로 전환하여 샘플에 대한 과도한 빛의 노출을 피할 수 있습니다.

이러한 지능형 형광 현미경을 사용하면 과학자들이 표준 빠른 이미징보다 더 오래 샘플을 관찰할 수 있습니다. 샘플은 표준 느린 이미징보다 더 스트레스를 받았지만, 팀은 더 유의미한 데이터를 얻을 수 있었습니다.

“지능형 현미경의 잠재력은 표준 어큐레이션에서 놓친 것을 측정하는 것입니다.”라고 Manley는 설명합니다. “우리는 더 많은 사건을 캡처하고, 더 작은 협착을 측정하며, 각 분열을 더 자세히 따라갈 수 있습니다.”

팀은 이제 제어 프레임워크를 오픈 소스 플러그인으로公开하고 있습니다. 오픈 현미경 소프트웨어인 Micro-Manager용으로 제공됩니다. 그들은 다른 과학자들이 자신의 현미경에 AI를 통합할 수 있도록 하기를 원합니다.