生物物理学家让智能显微镜更接近现实

当有人想要从活细菌样本中获得细菌分裂的详细观察时，事情可能会变得有点复杂。他们可能需要一直呆在显微镜旁，直到细菌分裂，这可能需要几个小时。手动检测和采集控制实际上在该领域很常见。

另一个选项是设置显微镜以便尽可能频繁地拍摄图像，但过多的光会引起问题。它会更快地耗尽样本的荧光，这可能会过早地破坏活样本。同时，会产生许多不必要的图像，只有少数图像实际上包含分裂的细菌图像。

然而，还有一个解决方案，就是使用人工智能（AI）来检测细菌分裂的前兆，并使用它们来自动更新显微镜的控制软件，这将帮助它拍摄更多分裂的图像。

自动化显微镜控制

查看这三个不同的选项，洛桑联邦理工大学（EPFL）的生物物理学家团队已经想出了一种方法来自动化显微镜控制，以便详细成像生物事件，同时限制样本的压力。这种新技术依赖于人工神经网络，它适用于细菌细胞分裂和线粒体分裂。

该团队在《自然方法》杂志上发表了他们的发现。Nature Methods。

苏利安娜·曼利（Suliana Manley）是洛桑联邦理工大学实验生物物理实验室的首席研究员。

“智能显微镜有点像自动驾驶汽车。它需要处理某些类型的信息，微妙的模式，然后通过改变其行为来响应，”曼利说。“通过使用神经网络，我们可以检测到更微妙的事件，并使用它们来驱动采集速度的变化。”

该团队首先找到了一种检测线粒体分裂的解决方案，这比某些细菌更困难。线粒体分裂发生的频率较低，这意味着它是不可预测的，它可以在任何时候在整个线粒体网络中的任何地方发生。

训练神经网络

该团队训练了神经网络来寻找线粒体收缩，这是线粒体形状的变化，导致分裂。他们还观察到一种在分裂位点富集的蛋白质。

当收缩和蛋白质水平都很高时，显微镜将切换到高速成像，这使它能够捕捉许多分裂事件的图像。但是，当水平较低时，显微镜将切换到低速成像，这有助于避免过度暴露样本于光线下。

像这样的智能荧光显微镜使科学家能够比标准快速成像更长时间地观察样本。样本比标准慢速成像更紧张，但该团队能够获得更有意义的数据。

“智能显微镜的潜力包括测量标准采集会错过的内容，”曼利解释说。“我们捕获更多事件，测量更小的收缩，并且可以更详细地跟踪每个分裂。”

该团队现在正在将控制框架作为开源插件提供给开源显微镜软件Micro-Manager。他们希望使其他科学家能够将人工智能集成到自己的显微镜中。