میکروسکوپ فلورسانس به دنبال جمع آوری داده ها در مورد رویدادهای بیولوژیکی خاص است. با این حال، محتوای ویژه رویداد که می تواند از یک نمونه جمع آوری شود، محدود است، به ویژه برای فرآیندهای نادر یا تصادفی. این تا حدی به دلیل سفید کردن نور و سمیت نوری است که سرعت و مدت تصویربرداری را محدود می کند.
EPFL بیوفیزیکدانان در واقع راهی برای خودکارسازی کنترل میکروسکوپ برای تصویربرداری از رویدادهای بیولوژیکی با جزئیات و در عین حال محدود کردن فشار روی نمونه پیدا کرده‌اند. آنها نرم افزار کنترلی را توسعه داده اند که نحوه جمع آوری داده های نمونه های زنده توسط میکروسکوپ های فلورسانس را بهینه می کند.
در چارچوب اکتساب مبتنی بر رویداد، تشخیص رویدادهای بیولوژیکی خاص مبتنی بر شبکه عصبی، کنترل بلادرنگ را در یک میکروسکوپ روشنایی ساخت‌یافته فوری ایجاد می‌کند. تکنیک آنها برای تقسیم سلولی باکتریایی و تقسیم میتوکندری کار می کند.
محقق اصلی سولیانا مانلی از آزمایشگاه بیوفیزیک تجربی EPFL گفت: «یک میکروسکوپ هوشمند به نوعی شبیه یک ماشین خودران است. نیاز به پردازش انواع خاصی از اطلاعات، الگوهای ظریف دارد که سپس با تغییر رفتار خود به آنها پاسخ می دهد. با استفاده از a شبکه های عصبیما می‌توانیم رویدادهای بسیار ظریف‌تری را شناسایی کنیم و از آنها برای ایجاد تغییرات در سرعت اکتساب استفاده کنیم."
تقسیم میتوکندری غیر قابل پیش بینی است زیرا به ندرت اتفاق می افتد و تقریباً در هر نقطه از شبکه میتوکندری در هر لحظه ممکن است اتفاق بیفتد. به همین دلیل است که دانشمندان ابتدا نحوه تشخیص تقسیم میتوکندری را با آموزش شبکه عصبی برای مراقبت از انقباضات میتوکندری حل کردند، تغییر در شکل میتوکندری که منجر به تقسیم می شود، همراه با مشاهدات پروتئینی که در محل های تقسیم غنی شده است.
La میکروسکوپ هنگامی که هم انقباضات و هم سطح پروتئین بالا است، به تصویربرداری با سرعت بالا روی می آورد تا تصاویر دقیقی از رویدادهای تقسیم به دست آورد. میکروسکوپ متعاقباً هنگامی که سطح انقباض و پروتئین پایین است به تصویربرداری با سرعت پایین تغییر می کند تا از نمونه در برابر نور بیش از حد محافظت شود.
با استفاده از این میکروسکوپ فلورسنت هوشمند، دانشمندان نشان دادند که می توانند نمونه را برای مدت طولانی تری در مقایسه با تصویربرداری سریع استاندارد مشاهده کنند. حتی اگر نمونه تحت فشار بیشتری نسبت به تصویربرداری آهسته بود، همانطور که مرسوم است، آنها هنوز هم می توانستند اطلاعات دقیق تری جمع آوری کنند.
مانلی توضیح داده شده, پتانسیل میکروسکوپ هوشمند شامل اندازه گیری مواردی است که اکتساب های استاندارد از دست می دهند. ما رویدادهای بیشتری را ثبت می‌کنیم، انقباضات کوچک‌تر را اندازه‌گیری می‌کنیم و می‌توانیم هر بخش را با جزئیات بیشتری دنبال کنیم.»
دانشمندان چارچوب کنترل را به عنوان یک افزونه منبع باز برای نرم افزار میکروسکوپ باز Micro-Manager در دسترس قرار می دهند تا به دانشمندان دیگر اجازه دهند تا یکپارچه شوند. هوش مصنوعی در میکروسکوپ های آنها
مرجع مجله:
- Mahecic، D.، Stepp، WL، Zhang، C. و همکاران. اکتساب رویداد محور برای میکروسکوپ غنی شده با محتوا. روش‌های Nat (2022) DOI: 10.1038 / s41592-022-01589-X
