I ricercatori dell'Università dell'Illinois Urbana Champaign hanno sviluppato una nuova tecnica che combina l'imaging senza etichetta con l'intelligenza artificiale per visualizzare le cellule vive senza etichetta per un tempo prolungato. Questa tecnica ha potenziali applicazioni nello studio della vitalità e della patologia cellulare.

Lo studio "Fase imaging con specificità computazionale (PICS) per misurare le variazioni di massa secca nei compartimenti subcellulari" è stato pubblicato su Comunicazioni sulla natura .

"Il nostro laboratorio è specializzato in imaging senza etichette, che ci permette di visualizzare le cellule senza utilizzare sostanze chimiche tossiche, " ha detto Gabriel Popescu, professore di ingegneria elettrica e informatica e direttore del Quantitative Light Imaging Laboratory presso il Beckman Institute for Advanced Science and Technology. "Però, non possiamo misurare attributi specifici della cellula senza usare coloranti fluorescenti tossici. Abbiamo risolto questo problema in questo studio".

"Avevamo l'idea che i metodi computazionali potessero stimare come sarebbe stato il campione senza effettivamente uccidere le cellule, "ha detto Mikhail Kandel, uno studente laureato nel gruppo Popescu.

I ricercatori hanno prima ripreso le cellule per diversi giorni utilizzando la loro tecnica non distruttiva senza etichette. Alla fine dell'esperimento, hanno colorato i campioni e utilizzato l'apprendimento profondo, che è un sottoinsieme dell'apprendimento automatico, per sapere dove sarebbero localizzati i coloranti a fluorescenza. "Questo ci ha permesso di stimare la macchia nei nostri filmati iniziali senza effettivamente macchiare le cellule, " ha detto Kandel.

"Sebbene l'intelligenza artificiale sia stata utilizzata in passato per creare un tipo di imaging da un diverso tipo di colorazione, siamo riusciti a programmarlo per analizzare le immagini in tempo reale, " Popescu ha detto. "Utilizzando il deep learning, siamo stati in grado di guardare cellule che non erano mai state etichettate con alcun colorante, e l'algoritmo è stato in grado di localizzare con precisione diverse parti della cellula".

"Un altro vantaggio della tecnica è che possiamo eseguire esperimenti nell'arco di molti giorni. Le cellule rimangono vive anche dopo più di una settimana, " disse Yuchen He, uno studente laureato nel gruppo Popescu. "Questo non può essere fatto con i coloranti fluorescenti poiché la tossicità chimica potrebbe uccidere le cellule".

"Questo studio ha evidenziato il potenziale delle tecniche basate sull'intelligenza artificiale per apprendere modelli complicati come la concentrazione di coloranti specifici, che va oltre le capacità dell'occhio nudo, " ha detto Kandel. "Più possiamo insegnare il nostro metodo per riconoscere i modelli, più tipi di esperimenti possono essere eseguiti senza ricorrere all'uccisione delle cellule".

I ricercatori stanno ora cercando di adattare algoritmi di deep learning su diverse linee cellulari e campioni biologici. "La formazione di modelli di deep learning richiede una grande quantità di dati perché vogliamo assicurarci che funzionino bene in diversi scenari. Fortunatamente, i nostri strumenti di imaging ci consentono di generare facilmente i dati di addestramento necessari in modo efficiente, " Egli ha detto.

"Questi algoritmi di deep learning possono essere utilizzati per diverse applicazioni, " Popescu ha detto. "Possiamo valutare la vitalità cellulare per un lungo periodo senza etichettare le cellule, possiamo distinguere tra diversi tipi di cellule nelle malattie, e possiamo studiare diversi processi cellulari."