생물 물리학자들은 우리를 지능형 현미경에 더 가깝게 만듭니다

살아있는 박테리아 샘플에서 박테리아 분열에 대한 자세한 관찰을 원할 때마다 상황이 약간 복잡해질 수 있습니다. 그들은 박테리아가 분열할 때까지 쉬지 않고 현미경에 머물러야 할 수도 있으며, 이는 몇 시간이 걸릴 수 있습니다. 수동 감지 및 획득 제어는 실제로 현장에서 매우 일반적입니다. 

또 다른 옵션은 무차별적으로 그리고 가능한 한 자주 이미지를 촬영하도록 현미경을 설정하는 것이지만 과도한 빛은 문제를 일으킬 수 있습니다. 샘플의 형광을 더 빨리 고갈시켜 살아있는 샘플을 조기에 파괴할 수 있습니다. 동시에 불필요한 이미지가 많이 생성되고 실제로 분열하는 박테리아의 이미지는 소수에 불과합니다. 

그러나 또 다른 해결책은 인공 지능(AI)을 사용하여 박테리아 분열의 전조를 감지하고 이를 사용하여 현미경의 제어 소프트웨어를 자동으로 업데이트하여 더 많은 분열 사진을 찍는 것입니다. 

현미경 제어 자동화

EPFL(Ecole Polytechnique Fédérale de Lausanne)의 생물물리학자 팀은 이러한 세 가지 다른 옵션을 살펴보면서 생물학적 사건을 자세히 이미징하기 위해 현미경 제어를 자동화하는 방법을 생각해냈습니다. 동시에 이 방법은 샘플에 가해지는 응력을 제한합니다. 새로운 기술은 인공 신경망에 의존하며 박테리아 세포 분열과 미토콘드리아 분열 모두에 적용됩니다. 

팀은 연구 결과를 다음과 같이 발표했습니다. 자연 방법.  

Suliana Manley는 EPFL의 실험 생물물리학 연구소의 수석 연구원입니다. 

“지능형 현미경은 일종의 자율주행차와 같습니다. 특정 유형의 정보, 미묘한 패턴을 처리한 다음 동작을 변경하여 응답해야 합니다.”라고 Manley는 말합니다. "신경망을 사용함으로써 우리는 훨씬 더 미묘한 이벤트를 감지하고 이를 사용하여 획득 속도의 변화를 주도할 수 있습니다."

연구팀은 먼저 특정 박테리아에 대한 솔루션보다 어려운 미토콘드리아 분열 감지 솔루션을 찾았다. 미토콘드리아 분열은 더 드물게 발생하여 예측할 수 없으며 언제든지 미토콘드리아 네트워크 내의 거의 모든 곳에서 발생할 수 있습니다. 

신경망 훈련

연구팀은 분열로 이어지는 미토콘드리아 모양의 변화인 미토콘드리아 수축을 찾도록 신경망을 훈련시켰다. 그들은 또한 분열 부위에 풍부한 것으로 알려진 단백질을 관찰했습니다. 

수축과 단백질 수준이 모두 높을 때 현미경은 고속 이미징으로 전환되어 분할 이벤트의 많은 이미지를 캡처할 수 있습니다. 그러나 레벨이 낮으면 현미경이 저속 이미징으로 전환되어 샘플이 과도한 빛에 노출되는 것을 방지합니다. 

이와 같은 지능형 형광 현미경을 통해 과학자들은 표준 고속 이미징에 비해 더 오랫동안 샘플을 관찰할 수 있습니다. 샘플은 표준 느린 이미징에 비해 더 많은 스트레스를 받았지만 팀은 더 의미 있는 데이터를 얻을 수 있었습니다. 

Manley는 "지능형 현미경의 잠재력에는 표준 획득에서 놓칠 수 있는 것을 측정하는 것이 포함됩니다."라고 설명합니다. "우리는 더 많은 이벤트를 캡처하고 더 작은 수축을 측정하며 각 분할을 더 자세히 추적할 수 있습니다."

팀은 현재 제어 프레임워크를 개방형 현미경 소프트웨어인 Micro-Manager용 오픈 소스 플러그인으로 사용할 수 있도록 만들고 있습니다. 그들은 다른 과학자들이 AI를 자신의 현미경에 통합할 수 있기를 바랍니다.