Fluorescensmikroskopi søkes for å samle inn data om spesifikke biologiske hendelser. Likevel er det hendelsesspesifikke innholdet som kan samles inn fra en prøve begrenset, spesielt for sjeldne eller stokastiske prosesser. Dette skyldes delvis fotobleking og fototoksisitet, som begrenser bildehastigheten og varigheten.
EPFL biofysikere har faktisk funnet en måte å automatisere mikroskopkontroll for å avbilde biologiske hendelser i detalj og samtidig begrense stress på prøven. De har utviklet kontrollprogramvare som optimerer hvordan fluorescensmikroskoper samler inn data på levende prøver.
I deres hendelsesdrevne innhentingsrammeverk utløser nevrale nettverksbasert gjenkjennelse av spesifikke biologiske hendelser sanntidskontroll i et øyeblikkelig strukturert belysningsmikroskop. Teknikken deres fungerer for bakteriell celledeling og mitokondriedeling.
Hovedetterforsker Suliana Manley ved EPFLs Laboratory of Experimental Biophysics sa: "Et intelligent mikroskop er en slags som en selvkjørende bil. Den trenger å behandle visse typer informasjon, subtile mønstre som den deretter reagerer på ved å endre atferden. Ved å bruke en nevrale nettverket, kan vi oppdage mye mer subtile hendelser og bruke dem til å drive endringer i innhentingshastighet.»
Mitokondriell deling er uforutsigbar siden den forekommer sjelden og kan skje nesten hvor som helst i mitokondrienettverket når som helst. Det var derfor forskerne først løste hvordan man oppdager mitokondriell deling ved å trene det nevrale nettverket til å se etter mitokondrielle innsnevringer, en endring i formen på mitokondrier som fører til deling, kombinert med observasjoner av et protein som er kjent for å være anriket på delingssteder.
De mikroskop går over til høyhastighetsavbildning for å få detaljerte bilder av delingshendelser når både innsnevringer og proteinnivåer er høye. Mikroskopet skifter deretter til lavhastighetsavbildning når innsnevringen og proteinnivåene er lave for å beskytte prøven mot for mye lys.
Med dette intelligente fluorescerende mikroskopet viste forskerne at de kunne observere prøven lenger sammenlignet med standard rask bildebehandling. Selv om prøven var under mer stress enn langsom avbildning, som vanlig, kunne de likevel samle inn mer innsiktsfull informasjon.
Manley forklarte, "Potensialet til intelligent mikroskopi inkluderer å måle hva standardoppkjøp ville gå glipp av. Vi fanger opp flere hendelser, måler mindre innsnevringer og kan følge hver divisjon mer detaljert."
Forskerne gjør kontrollrammeverket tilgjengelig som en åpen kildekode-plugin for den åpne mikroskopprogramvaren Micro-Manager, med sikte på å la andre forskere integrere kunstig intelligens inn i mikroskopene deres.
Tidsreferanse:
- Mahecic, D., Stepp, W.L., Zhang, C. et al. Hendelsesdrevet innhenting for innholdsberiket mikroskopi. Nat-metoder (2022). GJØR JEG: 10.1038 / s41592-022-01589-x
