Fluoresenssimikroskopialla pyritään keräämään tietoja tietyistä biologisista tapahtumista. Silti näytteestä kerättävä tapahtumakohtainen sisältö on rajallinen, erityisesti harvinaisissa tai stokastisissa prosesseissa. Tämä johtuu osittain valovalkaisusta ja fototoksisuudesta, jotka rajoittavat kuvantamisen nopeutta ja kestoa.
EPFL biofyysikot ovat todellakin löytäneet tavan automatisoida mikroskoopin ohjausta biologisten tapahtumien kuvaamiseksi yksityiskohtaisesti ja samalla rajoittaa näytteen stressiä. He ovat kehittäneet ohjausohjelmiston, joka optimoi kuinka fluoresenssimikroskoopit keräävät tietoa elävistä näytteistä.
Heidän tapahtumapohjaisessa hankintakehyksessä hermoverkkoon perustuva tiettyjen biologisten tapahtumien tunnistus laukaisee reaaliaikaisen ohjauksen välittömässä strukturoidussa valaistusmikroskoopissa. Niiden tekniikka toimii bakteerisolujen jakautumisessa ja mitokondrioiden jakautumisessa.
Päätutkija Suliana Manley EPFL:n kokeellisen biofysiikan laboratoriosta sanoi, ”Älykäs mikroskooppi on tavallaan kuin itseajava auto. Sen täytyy käsitellä tietyntyyppistä tietoa, hienovaraisia malleja, joihin se sitten reagoi muuttamalla käyttäytymistään. Käyttämällä a neuroverkkomallien, voimme havaita paljon hienovaraisempia tapahtumia ja käyttää niitä saamaan aikaan muutoksia hankintanopeudessa."
Mitokondrioiden jakautuminen on arvaamatonta, koska se tapahtuu harvoin ja voi tapahtua melkein missä tahansa mitokondrioverkostossa milloin tahansa. Siksi tutkijat ratkaisivat ensin, kuinka mitokondrioiden jakautuminen voidaan havaita kouluttamalla hermoverkko tarkkailemaan mitokondrioiden supistumista, muutosta mitokondriot joka johtaa jakautumiseen yhdistettynä havaintoihin proteiinista, jonka tiedetään olevan rikastunut jakautumiskohdissa.
- mikroskooppi siirtyy nopeaan kuvantamiseen saadakseen yksityiskohtaisia kuvia jakautumistapahtumista, kun sekä supistukset että proteiinitasot ovat korkeita. Mikroskooppi siirtyy tämän jälkeen hitaan kuvantamiseen, kun supistumis- ja proteiinitasot ovat alhaiset, jotta näytettä voidaan suojata liialta valolta.
Tällä älykkäällä fluoresoivalla mikroskoopilla tutkijat osoittivat, että he pystyivät tarkkailemaan näytettä pidempään verrattuna tavalliseen nopeaan kuvantamiseen. Vaikka näyte oli tavanomaiseen tapaan enemmän stressin alaisena kuin hidas kuvantaminen, he pystyivät silti keräämään oivaltavampaa tietoa.
Manley selitti, "Älykkään mikroskopian potentiaaliin kuuluu sen mittaaminen, mitä standardihankinnoissa ei menetetä. Tallennamme enemmän tapahtumia, mittaamme pienempiä rajoituksia ja voimme seurata jokaista jakoa tarkemmin."
Tutkijat tekevät ohjauskehyksen saataville avoimen lähdekoodin laajennuksina avoimen mikroskoopin ohjelmistolle Micro-Manager, jotta muut tutkijat voivat integroida tekoäly mikroskooppeihinsa.
Lehden viite:
- Mahecic, D., Stepp, WL, Zhang, C. et ai. Tapahtumalähtöinen hankinta sisältörikastettua mikroskopiaa varten. Nat Methods (2022). DOI: 10.1038 / s41592-022-01589-x
