Ny metode bruger kunstig intelligens til at studere levende celler

Forskere ved University of Illinois Urbana Champaign har udviklet en ny teknik, der kombinerer mærkefri billeddannelse med kunstig intelligens for at visualisere umærkede levende celler over længere tid. Denne teknik har potentielle anvendelser til at studere cellelevedygtighed og patologi.

Studiet "Phase imaging with computational specificity (PICS) for måling af tørmasseændringer i subcellulære rum" blev offentliggjort i Naturkommunikation .

"Vores laboratorium er specialiseret i etiketfri billeddannelse, som giver os mulighed for at visualisere celler uden at bruge giftige kemikalier, sagde Gabriel Popescu, en professor i elektro- og computerteknik og direktør for Quantitative Light Imaging Laboratory ved Beckman Institute for Advanced Science and Technology. "Imidlertid, vi kan ikke måle specifikke egenskaber af cellen uden at bruge giftige fluorescerende farvestoffer. Det problem har vi løst i denne undersøgelse."

"Vi havde denne idé om, at beregningsmetoder kunne estimere, hvordan prøven ville se ud uden faktisk at dræbe cellerne, sagde Mikhail Kandel, en kandidatstuderende i Popescu-gruppen.

Forskerne fotograferede først cellerne over flere dage ved hjælp af deres ikke-destruktive etiketfri teknik. I slutningen af ​​eksperimentet, de farvede prøverne og brugte deep learning, som er en delmængde af maskinlæring, for at lære, hvor fluorescensfarvestofferne ville være placeret. "Dette lod os vurdere pletten i vores første film uden faktisk at farve cellerne, " sagde Kandel.

"Selvom AI tidligere er blevet brugt til at skabe én type billeddannelse ud fra en anden type farvning, vi var i stand til at programmere det til at analysere billederne i realtid, " sagde Popescu. "Ved at bruge dyb læring, vi var i stand til at se på celler, der aldrig var blevet mærket med noget farvestof, og algoritmen var i stand til præcist at lokalisere forskellige dele af cellen."

"En anden fordel ved teknikken er, at vi kan udføre eksperimenter i løbet af mange dage. Cellerne forbliver i live selv efter mere end en uge, " sagde Yuchen He, en kandidatstuderende i Popescu-gruppen. "Dette kan ikke gøres med fluorescerende farvestoffer, da den kemiske toksicitet kan dræbe cellerne."

"Denne undersøgelse fremhævede potentialet af AI-baserede teknikker til at lære komplicerede modeller såsom koncentrationen af ​​specifikke farvestoffer, som går ud over det blotte øjes muligheder, " sagde Kandel. "Jo mere vi kan lære vores metode til at genkende mønstre, jo flere slags eksperimenter kan udføres uden at ty til at dræbe cellerne."

Forskerne forsøger nu at tilpasse deep learning-algoritmer på tværs af forskellige cellelinjer og biologiske prøver. "Træning af deep learning-modeller kræver en stor mængde data, fordi vi vil sikre, at de fungerer godt i forskellige scenarier. Heldigvis, vores billedbehandlingsinstrumenter gør det nemt for os at generere de nødvendige træningsdata på en effektiv måde, " Han sagde.

"Disse deep learning algoritmer kan bruges til flere applikationer, " sagde Popescu. "Vi kan vurdere cellens levedygtighed over lang tid uden at mærke cellerne, vi kan skelne mellem forskellige celletyper i sygdomme, og vi kan studere forskellige cellulære processer."