Omnipose, программное обеспечение для глубокого обучения, помогает решить проблему идентификации разнообразных и крошечных бактерий на микроскопических изображениях. Мы вышли за рамки этой первоначальной цели, определив несколько других типов крошечных объектов на микрофотографиях.

Лаборатория микробиологии UW Medicine Джозефа Мугуса и лаборатория физики и биоинженерии Вашингтонского университета Пола А. Виггинса протестировали инструмент. Он был разработан аспирантом физики Вашингтонского университета Кевином Дж. Катлером и его командой.

Мугус сказал, что Катлер, будучи студентом-физиком, «продемонстрировал необычайный интерес к погружению в биологическую среду, чтобы он мог из первых рук узнать о проблемах, требующих решения в этой области. Он пришел в мою лабораторию и быстро нашел одну которую он решил впечатляющим образом».

Их результаты представлены в выпуске Nature Methods от 17 октября.

Ученые обнаружили, что Omnipose, обученный на большой базе данных изображений бактерий, хорошо показал себя в характеристике и количественной оценке множества бактерий в смешанных микробных культурах и устранил некоторые ошибки, которые могли возникнуть в его предшественнике, Cellpose.

Более того, программное обеспечение было нелегко обмануть резкими изменениями формы клетки из-за лечения антибиотиками или антагонизма со стороны химических веществ, образующихся во время межбактериальной агрессии. На самом деле программа показала, что она может даже обнаруживать клеточную интоксикацию в испытании с использованием E. coli.

Кроме того, Omnipose успешно справился с проблемами распознавания из-за различий в оптических характеристиках разных бактерий.

Большинство бактерий представляют собой сферы или палочки, но некоторые из них имеют другие основные формы, такие как закрученные спирали. Помимо этого, Omnipose может идентифицировать более сложные бактерии с вытянутой формой или с ветвями, нитями и придатками, все физические признаки, которые могут затруднить для инструментов глубокого обучения определение того, какие бактерии присутствуют на изображении.

Программа по-прежнему сталкивается с некоторыми ограничениями в обработке перекрытия объектов в 2D-изображении 3D-образца переполненного микробного сообщества. Наложение объектов — это то, что создает, например, эффект часов на стене, создающих иллюзию появления из головы человека на фотографии.

Тем не менее, при анализе клеток в исходном наборе корневых данных быстрорастущего сорняка A. thaliana Omnipose показал некоторые преимущества по сравнению с предыдущими подходами в этом 3D-образце.

Другие обзоры возможностей Omnipose, проведенные командой лаборатории Mougous, показали, что инструменту трудно обнаружить бактерии размером ниже определенного порога.

Несмотря на эти недостатки, исследователи считают, что Omnipose может стать решением, которое, как они отметили, «поможет ответить на различные вопросы биологии бактериальных клеток».

Чтобы увидеть, сможет ли она стать многофункциональным инструментом в других областях биологических или даже нежизненных наук, зависящих от микроскопии, ученые опробовали программу на микрофотографиях ультракрошечной аскариды C. elegans , важного организма в генетике, неврологии, исследования развития и микробного поведения. Как и некоторые бактерии, это существо имеет вытянутую форму. Как и многие другие черви, он также может искривляться. Omnipose мог различать C. elegans независимо от его различных растяжений, сокращений и других движений. Эта способность может быть полезна, например, в нейронных исследованиях локомоции C. elegans во время покадрового отслеживания.

При разработке таких инструментов, как Omnipose, исследователи рассматривают шкалу точности до одного пикселя для определения границ ячейки. Это связано с тем, что большинство изображений тел бактериальных клеток состоят лишь из небольшого числа пикселей. Исследователи объяснили, что определение границ изображения называется сегментацией. Они разработали Ominpose с помощью алгоритма высокоточной сегментации глубокой нейронной сети. Их эксперименты показали, что Omnipose обладает беспрецедентной точностью сегментации.

Ученые разработали Omnipose для использования в типичных исследовательских лабораториях и сделали его исходный код, обучающие данные и модели общедоступными, а также документацию по использованию программы.

«Мы ожидаем, что высокая производительность Omnipose в различных клеточных морфологиях и модальностях, — пишут исследователи в своем отчете, — может раскрыть информацию из изображений микроскопии, которая ранее была недоступна».

Отражая важность проблемы, это переполненное поле. И все же решение Кевина выделяется из общей массы. Мы считаем, что это изменит правила игры в области анализа биологических изображений».

Джозеф Мугус, UW Medicine

Помимо Катлера, Виггинса и Мугуса, другими исследователями проекта тестирования Omnipose были Карсен Стрингер, Тереза ​​В. Ло, Лука Раппез, Николас Страуструп. С. Брук Петерсон и Пол Уиггинс. Магус — исследователь Медицинского института Говарда Хьюза.