Представьте, что вы аспирант с флуоресцентным микроскопом и образцом живых бактерий. Как лучше всего использовать эти ресурсы для получения подробных наблюдений за делением бактерий в образце?

У вас может возникнуть соблазн отказаться от еды и отдыха, безостановочно сидеть перед микроскопом и получать изображения, когда наконец-то начнется деление бактерий. (Для деления одной бактерии могут потребоваться часы!) Это не так безумно, как кажется, поскольку ручное обнаружение и контроль сбора данных широко распространены во многих науках.

В качестве альтернативы вы можете настроить микроскоп на получение изображений без разбора и как можно чаще. Но чрезмерный свет быстрее истощает флуоресценцию образца и может преждевременно уничтожить живые образцы. Кроме того, вы получите множество неинтересных изображений, поскольку лишь немногие из них будут содержать изображения делящихся бактерий.

Другим решением было бы использование искусственного интеллекта для обнаружения предшественников бактериального деления и использования их для автоматического обновления управляющего программного обеспечения микроскопа, чтобы сделать больше снимков события.

Барабанная дробь… да, биофизики EPFL действительно нашли способ автоматизировать управление микроскопом для детальной визуализации биологических событий, ограничивая нагрузку на образец, и все это с помощью искусственных нейронных сетей. Их метод работает для деления бактериальных клеток и для митохондриального деления. Детали их интеллектуального микроскопа описаны в Nature Methods .

Интеллектуальный микроскоп чем-то похож на беспилотный автомобиль. Ему необходимо обрабатывать определенные типы информации, тонкие паттерны, на которые он затем реагирует, изменяя свое поведение. Используя нейронную сеть, мы можем обнаруживать гораздо более тонкие события и использовать их для изменения скорости сбора данных».

Сулиана Мэнли, главный исследователь Лаборатории экспериментальной биофизики EPFL.

Мэнли и ее коллеги впервые решили, как обнаружить митохондриальное деление, более сложное, чем для таких бактерий, как C. crescentus . Митохондриальное деление непредсказуемо, поскольку оно происходит нечасто и может произойти почти в любом месте митохондриальной сети в любой момент. Но ученые решили проблему, обучив нейронную сеть выявлять митохондриальные сужения, изменение формы митохондрий, приводящее к делению, в сочетании с наблюдениями за белками, о которых известно, что они обогащены в местах деления.

Когда уровни как сужений, так и белка высоки, микроскоп переключается на высокоскоростную визуализацию, чтобы подробно зафиксировать множество изображений событий деления. Когда уровни сужения и белка низкие, микроскоп затем переключается на низкоскоростную визуализацию, чтобы избежать воздействия на образец чрезмерного света.

Ученые показали, что с помощью этого интеллектуального флуоресцентного микроскопа они могут наблюдать за образцом дольше, чем при стандартной быстрой визуализации. Хотя образец подвергался большему стрессу по сравнению со стандартной медленной визуализацией, они смогли получить более значимые данные.

«Потенциал интеллектуальной микроскопии включает в себя измерение того, что упускают из виду стандартные измерения», — объясняет Мэнли. «Мы фиксируем больше событий, измеряем меньшие ограничения и можем более подробно отслеживать каждое подразделение».

Ученые делают структуру управления доступной в виде подключаемого модуля с открытым исходным кодом для программного обеспечения Micro-Manager с открытым исходным кодом, чтобы позволить другим ученым интегрировать искусственный интеллект в свои собственные микроскопы.