Il microscopio a fluorescenza di Suliana Manley all'EPFL. Credito:Santuario di Hillary / EPFL
Immagina di essere un dottorato di ricerca. studente con un microscopio a fluorescenza e un campione di batteri vivi. Qual è il modo migliore per utilizzare queste risorse per ottenere osservazioni dettagliate della divisione batterica dal campione?
Potresti essere tentato di rinunciare al cibo e al riposo, a sederti al microscopio senza sosta e acquisire immagini quando inizia la divisione batterica. (Potrebbero volerci ore prima che un batterio si divida.) Non è così folle come sembra, dal momento che il rilevamento manuale e il controllo dell'acquisizione sono diffusi in molte scienze.
In alternativa, potresti voler impostare il microscopio per acquisire immagini indiscriminatamente e il più spesso possibile. Ma la luce eccessiva esaurisce la fluorescenza dal campione più velocemente e può distruggere prematuramente i campioni viventi. Inoltre, genereresti molte immagini poco interessanti, poiché solo alcune conterrebbero immagini di batteri in divisione.
Un'altra soluzione sarebbe utilizzare l'intelligenza artificiale per rilevare i precursori della divisione batterica e utilizzarli per aggiornare automaticamente il software di controllo del microscopio per scattare più foto dell'evento.
I biofisici dell'EPFL hanno ora trovato un modo per automatizzare il controllo del microscopio per l'imaging di eventi biologici in dettaglio, limitando allo stesso tempo lo stress sul campione, il tutto con l'aiuto di reti neurali artificiali. La loro tecnica funziona per la divisione cellulare batterica e per la divisione mitocondriale. I dettagli del loro microscopio intelligente sono descritti in Metodi della natura .
"Un microscopio intelligente è un po' come un'auto a guida autonoma. Ha bisogno di elaborare determinati tipi di informazioni, modelli sottili a cui poi risponde modificando il suo comportamento", spiega la ricercatrice principale Suliana Manley del Laboratorio di biofisica sperimentale dell'EPFL. "Utilizzando una rete neurale, possiamo rilevare eventi molto più sottili e utilizzarli per guidare i cambiamenti nella velocità di acquisizione."
Manley e i suoi colleghi hanno prima risolto come rilevare la divisione mitocondriale, più difficile che per batteri come C. crescentus. La divisione mitocondriale è imprevedibile, poiché si verifica raramente e può verificarsi quasi ovunque all'interno della rete mitocondriale in qualsiasi momento. Ma gli scienziati hanno risolto il problema addestrando la rete neurale a cercare le costrizioni mitocondriali, un cambiamento nella forma dei mitocondri che porta alla divisione, combinato con le osservazioni di una proteina nota per essere arricchita nei siti di divisione.
Quando sia le costrizioni che i livelli di proteine sono elevati, il microscopio passa all'imaging ad alta velocità per acquisire in dettaglio molte immagini di eventi di divisione. Quando la costrizione ei livelli di proteine sono bassi, il microscopio passa quindi all'imaging a bassa velocità per evitare di esporre il campione a una luce eccessiva.
With this intelligent fluorescent microscope, the scientists showed that they could observe the sample for longer compared to standard fast imaging. While the sample was more stressed compared to standard slow imaging, they were able to obtain more meaningful data.
"The potential of intelligent microscopy includes measuring what standard acquisitions would miss," Manley explains. "We capture more events, measure smaller constrictions, and can follow each division in greater detail."
The scientists are making the control framework available as an open source plug-in for the open microscope software Micro-Manager, with the aim of allowing other scientists to integrate artificial intelligence into their own microscopes. + Esplora ulteriormente
