Intelligente mikroskoper til påvisning af sjældne biologiske hændelser

Forestil dig, at du er ph.d. studerende med et fluorescerende mikroskop og en prøve af levende bakterier. Hvad er den bedste måde at bruge disse ressourcer til at få detaljerede observationer af bakteriel deling fra prøven?

Du kan blive fristet til at give afkald på mad og hvile, til at sidde ved mikroskopet non-stop og tage billeder, når bakteriel endelig deling starter. (Det kan tage timer for én bakterie at dele sig.) Det er ikke så tosset, som det lyder, da manuel detektion og optagelseskontrol er udbredt i mange af videnskaberne.

Alternativt kan du indstille mikroskopet til at tage billeder vilkårligt og så ofte som muligt. Men for meget lys udtømmer fluorescensen fra prøven hurtigere og kan ødelægge levende prøver for tidligt. Derudover ville du generere mange uinteressante billeder, da kun få ville indeholde billeder af delerende bakterier.

En anden løsning ville være at bruge kunstig intelligens til at detektere forstadier til bakteriel deling og bruge disse til automatisk at opdatere mikroskopets kontrolsoftware for at tage flere billeder af begivenheden.

EPFL-biofysikere har nu fundet en måde at automatisere mikroskopkontrol til at afbilde biologiske begivenheder i detaljer, mens de begrænser stress på prøven, alt sammen ved hjælp af kunstige neurale netværk. Deres teknik virker til bakteriel celledeling og mitokondriedeling. Detaljerne i deres intelligente mikroskop er beskrevet i Naturmetoder .

"Et intelligent mikroskop er lidt ligesom en selvkørende bil. Det skal behandle visse typer information, subtile mønstre, som det derefter reagerer på ved at ændre dets adfærd," forklarer hovedforsker Suliana Manley fra EPFL's Laboratory of Experimental Biophysics. "Ved at bruge et neuralt netværk kan vi registrere meget mere subtile hændelser og bruge dem til at fremkalde ændringer i optagelseshastigheden."

Manley og hendes kolleger løste først, hvordan man opdager mitokondriedeling, vanskeligere end for bakterier som C. crescentus. Mitokondriel deling er uforudsigelig, da den forekommer sjældent og kan ske næsten hvor som helst i mitokondrielle netværk til enhver tid. Men forskerne løste problemet ved at træne det neurale netværk til at holde øje med mitokondrielle forsnævringer, en ændring i mitokondriers form, der fører til deling, kombineret med observationer af et protein, der vides at være beriget på delingssteder.

Når både forsnævringer og proteinniveauer er høje, skifter mikroskopet til højhastighedsbilleddannelse for at fange mange billeder af delingsbegivenheder i detaljer. Når forsnævring og proteinniveauer er lave, skifter mikroskopet derefter til lavhastighedsbilleddannelse for at undgå at udsætte prøven for meget lys.

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. + Udforsk yderligere

How mitochondria make the cut:When and where the powerhouse of the cell divides