Forskere i Portugal udvikler en billedanalyse-AI-platform for at styrke verdensomspændende forskning

Et team af forskere fra Instituto Gulbenkian de Ciência (IGC) i Portugal har sammen med Åbo Akademi University i Finland, AI4Life-konsortiet og andre samarbejdspartnere udviklet en innovativ open source-platform kaldet DL4MicEverywhere. Artiklen, "DL4MicEverywhere:Deep learning for microscopy made fleksibel, delbar og reproducerbar," blev offentliggjort i tidsskriftet Nature Methods .

Denne platform giver livsforskere let adgang til avanceret kunstig intelligens (AI) til analyse af mikroskopibilleder. Det gør det muligt for andre forskere, uanset deres beregningsmæssige ekspertise, nemt at træne og bruge deep learning-modeller på deres egne data.

Deep learning, et underområde af AI, har revolutioneret analysen af ​​store og komplekse mikroskopidatasæt, hvilket gør det muligt for videnskabsmænd automatisk at identificere, spore og analysere celler og subcellulære strukturer. Imidlertid forhindrer manglen på computerressourcer og AI-ekspertise nogle forskere inden for biovidenskab i at drage fordel af disse kraftfulde teknikker i deres eget arbejde.

DL4MicEverywhere løser disse udfordringer ved at give forskere en intuitiv grænseflade til at bruge deep learning-modeller på ethvert eksperiment, der kræver billedanalyse og i forskellige computerinfrastrukturer, fra simple bærbare computere til højtydende klynger.

"Vores platform etablerer en bro mellem AI teknologiske fremskridt og biomedicinsk forskning," sagde Ivan Hidalgo-Cenamor, førsteforfatter af undersøgelsen og forsker ved IGC.

"Med det, uanset deres ekspertise inden for kunstig intelligens, får forskere adgang til banebrydende mikroskopimetoder, hvilket gør dem i stand til automatisk at analysere deres resultater og potentielt opdage nye biologiske indsigter."

DL4MicEverywhere-platformen bygger på teamets tidligere arbejde, ZeroCostDL4Mic, for at tillade træning og brug af modeller på tværs af forskellige beregningsmiljøer. Platformen inkluderer også en brugervenlig grænseflade og udvider samlingen af ​​tilgængelige metoder, som brugere kan anvende til almindelige mikroskopiske billedanalyseopgaver.

"DL4MicEverywhere sigter mod at demokratisere kunstig intelligens til mikroskopi ved at fremme samfundsbidrag og overholde FAIR-principperne for videnskabelig forskningssoftware – hvilket gør ressourcer tilgængelige, tilgængelige, interoperable og genbrugelige," forklarede Dr. Estibaliz Gómez-de-Mariscal, medleder af undersøgelsen og forsker ved IGC.

"Vi håber, at denne platform vil give forskere over hele verden mulighed for at udnytte disse kraftfulde teknikker i deres arbejde, uanset deres ressourcer eller ekspertise."

Udviklingen af ​​DL4MicEverywhere er et godt eksempel på samarbejdsmiljøet inden for videnskab. For det første blev det udviklet med det formål at give enhver forsker over hele verden mulighed for at drage fordel af de mest avancerede teknologier inden for mikroskopi og bidrage til at fremskynde videnskabelige opdagelser. For det andet blev det kun muligt gennem et internationalt samarbejde mellem eksperter inden for datalogi, billedanalyse og mikroskopi med nøglebidrag fra AI4Life-konsortiet.

Projektet blev ledet af Ricardo Henriques ved IGC og Guillaume Jacquemet ved Åbo Akademi.

"Dette arbejde repræsenterer en vigtig milepæl i at gøre AI mere tilgængelig og genbrugelig for mikroskopisamfundet," sagde professor Jacquemet. "Ved at gøre det nemt for forskere at dele deres modeller og analysepipelines, kan vi fremskynde opdagelser og forbedre reproducerbarheden i biomedicinsk forskning."

"DL4MicEverywhere har potentialet til at være transformativt for biovidenskaberne," tilføjede professor Henriques. "Det stemmer overens med vores vision i AI4Life om at udvikle bæredygtige AI-løsninger, der styrker forskere og driver innovation inden for sundhedspleje og videre."

DL4MicEverywhere-platformen er frit tilgængelig som en open source-ressource, der afspejler holdenes forpligtelse til åben videnskab og reproducerbarhed. Forskerne mener, at ved at sænke barriererne for avanceret mikroskopi-billedanalyse, vil DL4MicEverywhere muliggøre banebrydende opdagelser inden for områder lige fra grundlæggende cellebiologi til lægemiddelopdagelse og personlig medicin.

Flere oplysninger: DL4MicEverywhere:dyb læring til mikroskopi gjort fleksibel, delbar og reproducerbar, Naturmetoder (2024). DOI:10.1038/s41592-024-02295-6

Journaloplysninger: Naturmetoder

Leveret af Instituto Gulbenkian de Ciencia