Biofysiker bringar oss närmare intelligenta mikroskop

När någon vill göra detaljerade observationer av bakteriedelning från ett prov av levande bakterier, kan det bli ganska komplicerat. De kan behöva stanna vid mikroskopet utan avbrott tills bakterien delar sig, vilket kan ta timmar. Manuell upptäckt och styrning av bildinsamling är faktiskt mycket vanligt inom området.

Ett annat alternativ är att ställa in mikroskopet för att ta bilder utan urval och så ofta som möjligt, men för mycket ljus kan orsaka problem. Det tömmer fluorescensen från provet snabbare, vilket kan förstöra levande prover i förtid. Samtidigt skulle det finnas många onödiga bilder genererade, och endast ett fåtal skulle faktiskt innehålla bilder av delande bakterier.

En annan lösning är att använda artificiell intelligens (AI) för att upptäcka förstadier till bakteriedelning och använda dem för att automatiskt uppdatera mikroskopets kontrollprogramvara, vilket skulle hjälpa det att ta fler bilder av delningen.

Automatiserad mikroskopkontroll

Om man tittar på dessa tre olika alternativ har en grupp biofysiker vid Ecole Polytechnique Fédérale de Lausanne (EPFL) kommit på ett sätt att automatisera mikroskopkontroll för avbildning av biologiska händelser i detalj. Och samtidigt begränsar metoden stressen på provet. Den nya tekniken bygger på artificiella neurala nätverk, och den fungerar för både bakteriecelldelning och mitokondriedelning.

Laget publicerade sina resultat i Nature Methods.

Suliana Manley är huvudutredare från EPFL:s laboratorium för experimentell biofysik.

“Ett intelligent mikroskop är lite som en självkörande bil. Det behöver bearbeta vissa typer av information, subtila mönster som det sedan svarar på genom att ändra sitt beteende”, säger Manley. “Genom att använda ett neuronnätverk kan vi upptäcka mycket subtilare händelser och använda dem för att driva förändringar i bildinsamlingshastighet.”

Laget hittade först en lösning för att upptäcka mitokondriedelning, vilket är svårare än en lösning för vissa bakterier. Mitokondriedelning sker mer sällan, vilket innebär att det är oförutsägbart, och det kan hända nästan var som helst inom mitokondrienätverket när som helst.

Träning av neuronnätverket

Laget tränade neuronnätverket för att leta efter insnörningar i mitokondrierna, vilket är en förändring i mitokondriernas form som leder till delning. De observerade också ett protein som är känt för att ansamlas vid delningsställen.

Mikroskopet kommer att växla till höghastighetsavbildning när både insnörningar och proteinhalter är höga, vilket möjliggör att det kan ta många bilder av delningshändelser. Men när halterna är låga kommer mikroskopet att växla till låghastighetsavbildning, vilket hjälper till att undvika att utsätta provet för för mycket ljus.

Ett intelligent fluorescerande mikroskop som detta möjliggör för forskare att observera prover under längre tid jämfört med standard snabb avbildning. Provet var mer stressat jämfört med standard långsam avbildning, men laget kunde få mer meningsfulla data.

“Intelligent mikroskopi inkluderar mätning av vad standardmässig bildinsamling skulle missa”, förklarar Manley. “Vi fångar fler händelser, mäter mindre insnörningar och kan följa varje delning i större detalj.”

Laget gör nu kontrollramverket tillgängligt som ett tillägg med öppen källkod för den öppna mikroskopprogramvaran Micro-Manager. De vill möjliggöra för andra forskare att integrera AI i sina egna mikroskop.