Ziel der Fluoreszenzmikroskopie ist es, Daten über bestimmte biologische Ereignisse zu sammeln. Allerdings ist der ereignisspezifische Inhalt, der aus einer Stichprobe gesammelt werden kann, begrenzt, insbesondere bei seltenen oder stochastischen Prozessen. Dies ist teilweise auf Photobleichung und Phototoxizität zurückzuführen, die die Geschwindigkeit und Dauer der Bildgebung einschränken.
EPFL Biophysiker haben tatsächlich einen Weg gefunden, die Mikroskopsteuerung zu automatisieren, um biologische Ereignisse detailliert abzubilden und gleichzeitig die Belastung der Probe zu begrenzen. Sie haben eine Steuerungssoftware entwickelt, die die Datenerfassung lebender Proben durch Fluoreszenzmikroskope optimiert.
In ihrem ereignisgesteuerten Erfassungsrahmen löst die auf einem neuronalen Netzwerk basierende Erkennung spezifischer biologischer Ereignisse eine Echtzeitsteuerung in einem sofortigen strukturierten Beleuchtungsmikroskop aus. Ihre Technik funktioniert bei der Zellteilung von Bakterien und der Mitochondrienteilung.
Die Hauptforscherin Suliana Manley vom Labor für experimentelle Biophysik der EPFL sagte: „Ein intelligentes Mikroskop ist so etwas wie ein selbstfahrendes Auto. Es muss bestimmte Arten von Informationen verarbeiten, subtile Muster, auf die es dann mit einer Verhaltensänderung reagiert. Durch die Verwendung von a neuronale Netzwerk„Wir können viel subtilere Ereignisse erkennen und sie nutzen, um Änderungen in der Erfassungsgeschwindigkeit voranzutreiben.“
Die mitochondriale Teilung ist unvorhersehbar, da sie selten auftritt und fast überall im mitochondrialen Netzwerk zu jedem Zeitpunkt stattfinden kann. Aus diesem Grund haben Wissenschaftler zunächst herausgefunden, wie man mitochondriale Teilungen erkennen kann, indem sie das neuronale Netzwerk darauf trainierten, nach mitochondrialen Verengungen Ausschau zu halten, einer Veränderung in der Form Mitochondrien Dies führt zur Teilung, kombiniert mit Beobachtungen eines Proteins, von dem bekannt ist, dass es an Teilungsstellen angereichert ist.
Das Mikroskop wendet sich der Hochgeschwindigkeitsbildgebung zu, um detaillierte Bilder von Teilungsereignissen zu erhalten, wenn sowohl Verengungen als auch Proteingehalte hoch sind. Anschließend schaltet das Mikroskop auf langsame Bildgebung um, wenn die Konstriktion und der Proteingehalt niedrig sind, um die Probe vor zu viel Licht zu schützen.
Mit diesem intelligenten Fluoreszenzmikroskop zeigten die Wissenschaftler, dass sie die Probe im Vergleich zur standardmäßigen schnellen Bildgebung länger beobachten konnten. Auch wenn die Probe stärker beansprucht wurde als bei der langsamen Bildgebung, wie es üblich ist, konnten sie dennoch aufschlussreichere Informationen sammeln.
Manley erklärt, „Das Potenzial der intelligenten Mikroskopie besteht darin, zu messen, was bei Standardaufnahmen fehlen würde. Wir erfassen mehr Ereignisse, messen kleinere Engpässe und können jede Teilung detaillierter verfolgen.“
Die Wissenschaftler stellen das Steuerungsframework als Open-Source-Plugin für die offene Mikroskopsoftware Micro-Manager zur Verfügung, mit dem Ziel, die Integration auch anderen Wissenschaftlern zu ermöglichen künstliche Intelligenz in ihre Mikroskope.
Journal Referenz:
- Mahecic, D., Stepp, WL, Zhang, C. et al. Ereignisgesteuerte Erfassung für inhaltsangereicherte Mikroskopie. Nat-Methoden (2022). zurück 10.1038 / s41592-022-01589-x
