Suliana Manleys fluorescerande mikroskop vid EPFL. Kredit:Hillary Sanctuary / EPFL
Föreställ dig att du är en Ph.D. elev med ett fluorescerande mikroskop och ett prov av levande bakterier. Vad är det bästa sättet att använda dessa resurser för att få detaljerade observationer av bakteriedelning från provet?
Du kan bli frestad att avstå från mat och vila, att sitta vid mikroskopet oavbrutet och ta bilder när bakteriell slutligen delning börjar. (Det kan ta timmar för en bakterie att dela sig.) Det är inte så tokigt som det låter, eftersom manuell detektering och inhämtningskontroll är utbredd inom många av vetenskaperna.
Alternativt kanske du vill ställa in mikroskopet för att ta bilder urskillningslöst och så ofta som möjligt. Men för mycket ljus tömmer fluorescensen från provet snabbare och kan förstöra levande prover i förtid. Dessutom skulle du generera många ointressanta bilder, eftersom endast ett fåtal skulle innehålla bilder av delande bakterier.
En annan lösning skulle vara att använda artificiell intelligens för att upptäcka prekursorer till bakteriedelning och använda dessa för att automatiskt uppdatera mikroskopets kontrollprogramvara för att ta fler bilder av händelsen.
EPFL-biofysiker har nu hittat ett sätt att automatisera mikroskopkontroll för att avbilda biologiska händelser i detalj samtidigt som stressen på provet begränsas, allt med hjälp av artificiella neurala nätverk. Deras teknik fungerar för bakteriell celldelning och för mitokondriell delning. Detaljerna i deras intelligenta mikroskop beskrivs i Naturmetoder .
"Ett intelligent mikroskop är ungefär som en självkörande bil. Det behöver bearbeta vissa typer av information, subtila mönster som det sedan reagerar på genom att ändra sitt beteende", förklarar huvudforskaren Suliana Manley vid EPFL:s Laboratory of Experimental Biophysics. "Genom att använda ett neuralt nätverk kan vi upptäcka mycket mer subtila händelser och använda dem för att driva förändringar i förvärvshastighet."
Manley och hennes kollegor löste först hur man upptäcker mitokondriell delning, svårare än för bakterier som C. crescentus. Mitokondriell uppdelning är oförutsägbar, eftersom den inträffar sällan och kan inträffa nästan var som helst inom mitokondriella nätverk när som helst. Men forskarna löste problemet genom att träna det neurala nätverket att se upp för mitokondriella förträngningar, en förändring i form av mitokondrier som leder till delning, kombinerat med observationer av ett protein som är känt för att anrikas vid delningsplatser.
När både förträngningar och proteinnivåer är höga växlar mikroskopet till höghastighetsavbildning för att fånga många bilder av delningshändelser i detalj. När förträngningen och proteinnivåerna är låga, växlar mikroskopet sedan till låghastighetsavbildning för att undvika att provet utsätts för mycket ljus.
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. + Utforska vidare
