নির্দিষ্ট জৈবিক ঘটনার তথ্য সংগ্রহের জন্য ফ্লুরোসেন্স মাইক্রোস্কোপির সাহায্য নেওয়া হয়। তবুও, ইভেন্ট-নির্দিষ্ট সামগ্রী যা একটি নমুনা থেকে সংগ্রহ করা যেতে পারে তা সীমিত, বিশেষত বিরল বা স্টোকাস্টিক প্রক্রিয়াগুলির জন্য। এটি আংশিকভাবে ফটোব্লিচিং এবং ফটোটক্সিসিটির কারণে, যা ইমেজিংয়ের গতি এবং সময়কালকে সীমাবদ্ধ করে।
EPFL জৈবপদার্থবিদরা নমুনার উপর চাপ সীমিত করার সময় বিশদভাবে জৈবিক ঘটনা ইমেজ করার জন্য মাইক্রোস্কোপ নিয়ন্ত্রণ স্বয়ংক্রিয় করার একটি উপায় খুঁজে পেয়েছেন। তারা নিয়ন্ত্রণ সফ্টওয়্যার তৈরি করেছে যা অপ্টিমাইজ করে কিভাবে ফ্লুরোসেন্স মাইক্রোস্কোপ জীবন্ত নমুনাগুলির ডেটা সংগ্রহ করে।
তাদের ইভেন্ট-চালিত অধিগ্রহণ কাঠামোতে, নির্দিষ্ট জৈবিক ঘটনাগুলির নিউরাল-নেটওয়ার্ক-ভিত্তিক স্বীকৃতি একটি তাত্ক্ষণিক কাঠামোগত আলোকসজ্জা মাইক্রোস্কোপে রিয়েল-টাইম নিয়ন্ত্রণকে ট্রিগার করে। তাদের কৌশল ব্যাকটেরিয়া কোষ বিভাজন এবং মাইটোকন্ড্রিয়াল বিভাগের জন্য কাজ করে।
ইপিএফএলের পরীক্ষামূলক বায়োফিজিক্সের ল্যাবরেটরির প্রধান তদন্তকারী সুলিয়ানা ম্যানলি বলেছেন, “একটি বুদ্ধিমান মাইক্রোস্কোপ এক ধরণের স্ব-চালিত গাড়ির মতো। এটিকে নির্দিষ্ট ধরণের তথ্য প্রক্রিয়া করতে হবে, সূক্ষ্ম নিদর্শন যা এটি তার আচরণ পরিবর্তন করে প্রতিক্রিয়া জানায়। ব্যবহার করে a স্নায়বিক নেটওয়ার্ক, আমরা আরও অনেক সূক্ষ্ম ঘটনা সনাক্ত করতে পারি এবং অধিগ্রহণের গতিতে পরিবর্তন আনতে সেগুলি ব্যবহার করতে পারি।"
মাইটোকন্ড্রিয়াল বিভাজন অপ্রত্যাশিত কারণ এটি কদাচিৎ ঘটে এবং যেকোন মুহূর্তে মাইটোকন্ড্রিয়াল নেটওয়ার্কের মধ্যে প্রায় কোথাও ঘটতে পারে। এই কারণেই বিজ্ঞানীরা প্রথম সমাধান করেছিলেন কিভাবে মাইটোকন্ড্রিয়াল বিভাজন সনাক্ত করতে নিউরাল নেটওয়ার্ককে প্রশিক্ষণ দিয়ে মাইটোকন্ড্রিয়াল সংকোচন, আকৃতিতে পরিবর্তন মাইটোকনড্রিয়া যা বিভাজনের দিকে নিয়ে যায়, বিভাজনের স্থানগুলিতে সমৃদ্ধ বলে পরিচিত একটি প্রোটিনের পর্যবেক্ষণের সাথে মিলিত হয়।
সার্জারির অণুবীক্ষণ যখন সংকোচন এবং প্রোটিন স্তর উভয়ই উচ্চ হয় তখন বিভাজন ইভেন্টগুলির বিশদ চিত্র পেতে উচ্চ-গতির ইমেজিংয়ের দিকে মোড় নেয়। অণুবীক্ষণ যন্ত্রটি পরবর্তীতে কম-গতির ইমেজিং-এ স্থানান্তরিত হয় যখন সংকোচন এবং প্রোটিনের মাত্রা কম থাকে যাতে নমুনাকে অত্যধিক আলো থেকে রক্ষা করা যায়।
এই বুদ্ধিমান ফ্লুরোসেন্ট মাইক্রোস্কোপ দিয়ে, বিজ্ঞানীরা দেখিয়েছেন যে তারা স্ট্যান্ডার্ড ফাস্ট ইমেজিংয়ের তুলনায় দীর্ঘ সময়ের জন্য নমুনা পর্যবেক্ষণ করতে পারে। যদিও নমুনাটি ধীরগতির ইমেজিংয়ের চেয়ে বেশি চাপের মধ্যে ছিল, যেমনটি প্রচলিত, তারা এখনও আরও অন্তর্দৃষ্টিপূর্ণ তথ্য সংগ্রহ করতে পারে।
Manley ব্যাখ্যা, “বুদ্ধিমান মাইক্রোস্কোপির সম্ভাবনার মধ্যে রয়েছে কী মান অধিগ্রহণ মিস হবে তা পরিমাপ করা। আমরা আরও ইভেন্ট ক্যাপচার করি, ছোট সীমাবদ্ধতা পরিমাপ করি এবং প্রতিটি বিভাগকে আরও বিস্তারিতভাবে অনুসরণ করতে পারি।"
বিজ্ঞানীরা অন্যান্য বিজ্ঞানীদের একীভূত করার অনুমতি দেওয়ার লক্ষ্যে ওপেন মাইক্রোস্কোপ সফ্টওয়্যার মাইক্রো-ম্যানেজারের জন্য একটি ওপেন সোর্স প্লাগ-ইন হিসাবে নিয়ন্ত্রণ কাঠামোটি উপলব্ধ করছে। কৃত্রিম বুদ্ধিমত্তা তাদের মাইক্রোস্কোপের মধ্যে।
জার্নাল রেফারেন্স:
- Mahecic, D., Stepp, WL, Zhang, C. et al. বিষয়বস্তু-সমৃদ্ধ মাইক্রোস্কোপির জন্য ইভেন্ট-চালিত অধিগ্রহণ। ন্যাট পদ্ধতি (2022)। ডিওআই: 10.1038 / s41592-022-01589-X
