Biofizycy przybliżają nas do inteligentnych mikroskopów

Kiedy ktoś chce uzyskać szczegółowe obserwacje podziału bakterii z próbki żywych bakterii, może to być trochę skomplikowane. Mogą musieć pozostać przy mikroskopie non-stop, aż bakteria się podzieli, co może potrwać godziny. Ręczna detekcja i kontrola akwizycji obrazów są naprawdę bardzo powszechne w tej dziedzinie.

Inną opcją jest ustawienie mikroskopu do robienia zdjęć bez rozróżniania i tak często, jak to możliwe, ale nadmiar światła może powodować problemy. Powoduje to wyczerpanie fluorescencji z próbki szybciej, co może przedwcześnie zniszczyć żywe próbki. Jednocześnie powstaje wiele niepotrzebnych zdjęć, a tylko kilka z nich zawierałoby zdjęcia dzielących się bakterii.

Jeszcze jednym rozwiązaniem jest użycie sztucznej inteligencji (AI) do wykrywania prekursorów podziału bakterii i ich wykorzystania do automatycznego aktualizowania oprogramowania kontrolnego mikroskopu, co pomogłoby w robieniu więcej zdjęć podziału.

Automatyzacja kontroli mikroskopu

Patrząc na te trzy różne opcje, zespół biofizyków z Ecole Polytechnique Fédérale de Lausanne (EPFL) wynalazł sposób na automatyzację kontroli mikroskopu do obrazowania zdarzeń biologicznych w szczegółach. I jednocześnie metoda ogranicza stres na próbce. Nowa technika opiera się na sztucznych sieciach neuronowych i działa zarówno dla podziału komórek bakterii, jak i mitochondrialnego.

Zespół opublikował swoje wyniki w Nature Methods.

Suliana Manley jest głównym badaczem z Laboratorium Biofizyki Doświadczalnej EPFL.

„Inteligentny mikroskop jest trochę jak samochód bez kierowcy. Potrzebuje on przetworzyć pewne typy informacji, subtelne wzorce, na które następnie reaguje zmianą swojego zachowania”, mówi Manley. “Używając sieci neuronowej, możemy wykryć znacznie bardziej subtelne zdarzenia i użyć ich do sterowania zmianami prędkości akwizycji obrazów.”

Zespół najpierw znalazł rozwiązanie dla wykrywania mitochondrialnego podziału, co jest trudniejsze niż rozwiązanie dla pewnych bakterii. Mitochondrialny podział występuje rzadziej, co oznacza, że jest nieprzewidywalny i może wystąpić prawie w dowolnym miejscu sieci mitochondrialnej w dowolnym momencie.

Szkolenie sieci neuronowej

Zespół przeszkolił sieć neuronową do wykrywania przewężeń mitochondriów, które są zmianą kształtu mitochondriów prowadzącą do podziału. Zaobserwowali również białko znane z tego, że jest wzbogacone w miejscach podziału.

Mikroskop przełącza się w tryb szybkiego obrazowania, gdy przewężenia i poziomy białka są wysokie, co pozwala mu na robienie wielu zdjęć zdarzeń podziału. Ale gdy poziomy są niskie, mikroskop przełącza się w tryb wolnego obrazowania, co pomaga uniknąć nadmiernego naświetlania próbki.

Inteligentny mikroskop fluorescencyjny, taki jak ten, umożliwia naukowcom obserwację próbek przez dłuższy czas w porównaniu ze standardowym szybkim obrazowaniem. Próbka była bardziej zestresowana w porównaniu ze standardowym wolnym obrazowaniem, ale zespół mógł uzyskać więcej znaczących danych.

“Potencjał inteligentnej mikroskopii obejmuje pomiar tego, co standardowe rejestracje obrazów pomijają”, wyjaśnia Manley. “Uchwytujemy więcej zdarzeń, mierzymy mniejsze przewężenia i możemy śledzić każdy podział bardziej szczegółowo.”

Zespół teraz udostępnia ramy kontroli jako wtyczkę o otwartym kodzie źródłowym do otwartego oprogramowania mikroskopowego Micro-Manager. Chcą umożliwić innym naukowcom integrację AI ze swoimi mikroskopami.