지능형 현미경은 AI를 사용하여 희귀한 생물학적 사건을 포착합니다.

살아있는 세포의 형광 현미경 검사법은 생물학적 시스템의 역학을 연구하는 데 필수적인 도구를 제공합니다. 그러나 예를 들어 박테리아 세포 분열 및 미토콘드리아 분열과 같은 많은 생물학적 과정은 산발적으로 발생하므로 포착하기가 어렵습니다.

높은 프레임 속도로 샘플을 지속적으로 이미징하면 이러한 분할이 발생할 때 확실히 기록됩니다. 그러나 과도한 형광 이미징은 광퇴색을 유발하고 살아있는 샘플을 조기에 파괴할 수 있습니다. 반면 프레임 속도가 느리면 관심 있는 이벤트가 누락될 위험이 있습니다. 필요한 것은 이벤트가 언제 발생할지 예측한 다음 현미경에 고속 이미징을 시작하도록 지시하는 방법입니다.

스위스 연방 기술 연구소 로잔 연구원(EPFL) 그런 시스템을 만들었습니다. 팀은 샘플에 대한 스트레스를 제한하면서 생물학적 사건을 자세히 이미지화하기 위해 현미경 제어를 자동화하는 EDA(이벤트 중심 획득) 프레임워크를 개발했습니다. 신경망을 사용하여 관심 이벤트의 미묘한 전구체를 감지하는 EDA는 이에 대응하여 이미징 속도 또는 측정 기간과 같은 획득 매개변수를 조정합니다.

“지능형 현미경은 자율주행차와 비슷합니다. 특정 유형의 정보, 즉 행동을 변경하여 반응하는 미묘한 패턴을 처리해야 합니다.”라고 수석 조사관은 설명합니다. 술리아나 맨리 언론 성명에서. "신경망을 사용하면 훨씬 더 미묘한 이벤트를 감지하고 이를 사용하여 획득 속도의 변화를 유도할 수 있습니다."

EDA 프레임워크는 다음에 설명되어 있습니다. 자연 방법는 라이브 이미지 스트림과 현미경 컨트롤 사이의 피드백 루프로 구성됩니다. 연구원들은 Micro-Manager 소프트웨어를 사용하여 현미경의 이미지를 캡처하고 레이블이 지정된 데이터에 대해 훈련된 신경망을 분석했습니다. 각 이미지에 대해 네트워크 출력은 느린 이미징과 빠른 이미징 사이를 전환하는 의사 결정 매개변수 역할을 합니다.

이벤트 인식

새로운 기술을 시연하기 위해 Manley와 동료들은 EDA를 즉석 구조 조명 현미경에 통합하고 이를 사용하여 미토콘드리아 및 박테리아 분열의 초고해상 저속 촬영 영상을 캡처했습니다.

미토콘드리아 분열은 예측할 수 없으며 일반적으로 몇 분에 한 번 발생하고 수십 초 동안 지속됩니다. 분열의 시작을 예측하기 위해 팀은 자연적인 분열에 필요한 DRP1이라는 단백질의 존재와 결합된 분열로 이어지는 미토콘드리아 형태의 변화인 수축을 감지하도록 신경망을 훈련시켰습니다.

신경망은 분할이 발생할 가능성이 더 높은 이미지 내 위치를 나타내는 더 높은 값(수축 및 DRP1 수준이 모두 높은 경우)을 사용하여 "이벤트 점수"의 히트 맵을 출력합니다. 이벤트 점수가 임계값을 초과하면 분할 이벤트를 자세히 캡처하기 위해 이미징 속도가 증가합니다. 점수가 두 번째 임계값으로 감소하면 현미경은 샘플이 과도한 빛에 노출되는 것을 방지하기 위해 저속 이미징으로 전환됩니다.

연구진은 미토콘드리아 표적 형광 라벨을 발현하는 세포에 대해 EDA를 수행했습니다. 각 EDA 측정 동안 네트워크는 박테리아 분열의 전구체를 평균 0.2회 인식했습니다. 이로 인해 평균 3.8초 동안 이미징 속도가 느린(10프레임/s)에서 빠른(18프레임/s)으로 전환되어 프레임의 1%에 대해 빠른 이미징이 가능해졌습니다. 그들은 많은 사이트에서 DRPXNUMX을 축적했지만 분열로 이어지지는 않았다고 지적합니다. 이러한 사이트는 네트워크를 작동시키지 않았으며 관심 있는 이벤트를 구별하는 능력을 보여주었습니다.

비교를 위해 팀은 일정한 느린 속도와 빠른 속도로 이미지도 수집했습니다. EDA는 고정 속도 고속 이미징보다 샘플 광표백을 적게 발생시켜 각 샘플을 더 오랫동안 관찰할 수 있게 하고 희귀한 미토콘드리아 분열 이벤트를 포착할 가능성을 높였습니다. 어떤 경우에는 느린 이미징 단계에서 샘플이 광표백으로부터 회복되어 더 높은 누적 광량을 가능하게 합니다.

지속적인 느린 이미징보다 EDA에서 표백이 더 높았지만, 많은 EDA 세션은 샘플 상태의 저하 없이 10분에 도달했습니다. 연구원들은 또한 EDA가 빠른 이미지의 폭발로 포착된 분열 이전의 수축뿐만 아니라 핵분열로 이어지는 막 상태의 진행을 더 잘 해결한다는 것을 발견했습니다.

Manley는 "지능형 현미경의 잠재력에는 표준 획득에서 놓칠 수 있는 것을 측정하는 것이 포함됩니다."라고 설명합니다. "우리는 더 많은 이벤트를 캡처하고 더 작은 수축을 측정하며 각 분할을 더 자세히 추적할 수 있습니다."

박테리아 분열 감지

다음으로 연구자들은 EDA를 사용하여 박테리아의 세포 분열을 연구했습니다. C. 초승달. 박테리아 세포 주기는 수십 분의 시간 단위로 발생하므로 살아있는 세포 현미경 검사에 있어 뚜렷한 어려움을 야기합니다. 그들은 6.7 프레임/시간의 느린 이미징 속도, 20 프레임/시간의 빠른 이미징 속도 또는 EDA로 전환되는 가변 속도로 데이터를 수집했습니다.

연구팀은 미토콘드리아 수축을 위해 개발된 이벤트 감지 네트워크가 추가적인 훈련 없이 박테리아 분열의 최종 단계를 인식할 수 있다는 사실을 발견했습니다. 이는 아마도 수축 모양의 유사성과 기능적으로 유사한 분자 마커의 존재 때문일 것입니다.

다시 말하지만, EDA는 지속적으로 빠른 이미징에 비해 광퇴색을 감소시켰으며 지속적으로 느린 이미징보다 훨씬 작은 평균 직경으로 수축을 측정했습니다. EDA는 전체 세포 주기의 이미징을 지원하고 고정된 이미징 속도를 사용하여 캡처하기 어려운 박테리아 세포 분열의 세부 정보를 제공했습니다..

맨리는 말한다 물리 세계 팀은 또한 다양한 종류의 이벤트를 감지하고 이를 사용하여 다양한 하드웨어 반응을 불러일으키도록 신경망을 훈련할 계획입니다. "예를 들어, 우리는 세포 분화의 중요한 순간에 전사를 조절하기 위해 광유전학적 교란을 활용하는 것을 구상하고 있습니다."라고 그녀는 설명합니다. "또한 이벤트 감지를 데이터 압축 수단으로 사용하여 특정 연구와 가장 관련성이 높은 데이터 조각을 저장 또는 분석하기 위해 선택하는 것을 고려하고 있습니다."

• 연구자들이 다양한 현미경에서 EDA를 구현할 수 있도록 팀에서는 제어 프레임워크를 제공하고 있습니다. 오픈 소스 플러그인 Micro-Manager 소프트웨어용.