형광 현미경은 특정 생물학적 사건에 대한 데이터를 수집하기 위해 노력합니다. 그러나 샘플에서 수집할 수 있는 이벤트별 콘텐츠는 특히 드물거나 확률적 프로세스에 대해 제한적입니다. 이는 부분적으로 이미징 속도와 지속 시간을 제한하는 광표백 및 광독성 때문입니다.
EPFL 생물물리학자들은 샘플에 대한 스트레스를 제한하면서 생물학적 사건을 자세히 이미징하기 위해 현미경 제어를 자동화하는 방법을 실제로 발견했습니다. 그들은 형광 현미경이 살아있는 샘플에 대한 데이터를 수집하는 방법을 최적화하는 제어 소프트웨어를 개발했습니다.
이벤트 기반 수집 프레임워크에서 특정 생물학적 이벤트의 신경망 기반 인식은 즉각적인 구조 조명 현미경에서 실시간 제어를 트리거합니다. 그들의 기술은 박테리아 세포 분열과 미토콘드리아 분열에 효과가 있습니다.
EPFL 실험 생물물리학 연구소의 수석 연구원 Suliana Manley는 다음과 같이 말했습니다. “지능형 현미경은 일종의 자율주행차와 같습니다. 특정 유형의 정보, 미묘한 패턴을 처리한 다음 동작을 변경하여 응답해야 합니다. 사용하여 신경망, 우리는 훨씬 더 미묘한 이벤트를 감지하고 이를 사용하여 획득 속도의 변화를 주도할 수 있습니다.”
미토콘드리아 분열은 드물게 발생하고 언제든지 미토콘드리아 네트워크 내의 거의 모든 곳에서 발생할 수 있기 때문에 예측할 수 없습니다. 이것이 바로 과학자들이 미토콘드리아 수축, 모양의 변화를 찾아내도록 신경망을 훈련함으로써 미토콘드리아 분열을 감지하는 방법을 처음으로 해결한 이유입니다. 미토콘드리아 그것은 분열 부위에 풍부한 것으로 알려진 단백질의 관찰과 결합하여 분열로 이어집니다.
XNUMXD덴탈의 현미경 수축과 단백질 수준이 모두 높을 때 분할 이벤트의 자세한 이미지를 얻기 위해 고속 이미징으로 전환합니다. 이후 현미경은 너무 많은 빛으로부터 샘플을 보호하기 위해 수축 및 단백질 수준이 낮을 때 저속 이미징으로 전환됩니다.
이 지능형 형광 현미경으로 과학자들은 표준 고속 이미징에 비해 더 오랫동안 샘플을 관찰할 수 있음을 보여주었습니다. 샘플이 느린 이미징보다 더 많은 스트레스를 받았지만 관례적으로 더 통찰력 있는 정보를 수집할 수 있었습니다.
맨리 설명, “지능형 현미경의 잠재력에는 표준 획득에서 놓칠 수 있는 것을 측정하는 것이 포함됩니다. 우리는 더 많은 이벤트를 캡처하고 더 작은 수축을 측정하며 각 분할을 더 자세히 추적할 수 있습니다.”
과학자들은 다른 과학자들이 인공 지능 그들의 현미경으로.
저널 참조 :
- Mahecic, D., Stepp, WL, Zhang, C. 외. 콘텐츠가 풍부한 현미경 검사를 위한 이벤트 기반 획득. Nat 메서드 (2022). DOI : 10.1038 / s41592-022-01589-x
