Fluorescenčna mikroskopija se uporablja za zbiranje podatkov o specifičnih bioloških dogodkih. Vendar je vsebina, specifična za dogodek, ki jo je mogoče zbrati iz vzorca, omejena, zlasti za redke ali stohastične procese. To je deloma posledica fotobeljenja in fototoksičnosti, ki omejujejo hitrost in trajanje slikanja.
EPFL biofiziki so dejansko našli način za avtomatizacijo nadzora mikroskopa za podrobno slikanje bioloških dogodkov, hkrati pa omejili obremenitev vzorca. Razvili so nadzorno programsko opremo, ki optimizira, kako fluorescenčni mikroskopi zbirajo podatke o živih vzorcih.
V njihovem okviru za pridobivanje, ki temelji na dogodkih, prepoznavanje specifičnih bioloških dogodkov na podlagi nevronske mreže sproži nadzor v realnem času v mikroskopu s takojšnjo strukturirano osvetlitvijo. Njihova tehnika deluje pri delitvi bakterijskih celic in delitvi mitohondrijev.
Glavna raziskovalka Suliana Manley iz Laboratorija za eksperimentalno biofiziko EPFL je dejala, »Inteligentni mikroskop je nekaj podobnega samovozečemu avtomobilu. Obdelati mora določene vrste informacij, subtilne vzorce, na katere se nato odzove s spremembo svojega vedenja. Z uporabo a nevronska mreža, lahko zaznamo veliko bolj subtilne dogodke in jih uporabimo za spodbujanje sprememb v hitrosti pridobivanja.«
Delitev mitohondrijev je nepredvidljiva, saj se zgodi redko in se lahko kadar koli zgodi skoraj kjer koli znotraj mitohondrijske mreže. Zato so znanstveniki najprej ugotovili, kako zaznati delitev mitohondrijev tako, da učijo nevronsko mrežo, da pazi na mitohondrijske zožitve, spremembo oblike mitohondriji ki vodi do delitve, skupaj z opazovanjem beljakovine, za katero je znano, da je obogatena na mestih delitve.
O mikroskop se obrne na hitro slikanje, da pridobi podrobne slike dogodkov delitve, ko so tako zožitve kot beljakovine visoke. Mikroskop nato preklopi na slikanje z nizko hitrostjo, ko so zožitve in ravni beljakovin nizke, da zaščiti vzorec pred premočno svetlobo.
S tem inteligentnim fluorescentnim mikroskopom so znanstveniki pokazali, da lahko vzorec opazujejo dlje v primerjavi s standardnim hitrim slikanjem. Čeprav je bil vzorec pod večjim stresom kot počasno slikanje, kot je običajno, so še vedno lahko zbrali več pronicljivih informacij.
Manley razložiti, »Potencial inteligentne mikroskopije vključuje merjenje, kaj bi standardne pridobitve zamudile. Zajamemo več dogodkov, merimo manjše zožitve in lahko podrobneje sledimo vsaki delitvi.”
Znanstveniki dajejo nadzorni okvir na voljo kot odprtokodni vtičnik za odprto mikroskopsko programsko opremo Micro-Manager, da bi drugim znanstvenikom omogočili integracijo Umetna inteligenca v njihove mikroskope.
Referenca dnevnika:
- Mahecic, D., Stepp, WL, Zhang, C. et al. Pridobivanje na podlagi dogodkov za vsebinsko obogateno mikroskopijo. Nat metode (2022). DOI: 10.1038 / s41592-022-01589-x
