Ett team av forskare från Instituto Gulbenkian de Ciência (IGC) i Portugal har tillsammans med Åbo Akademi i Finland, AI4Life-konsortiet och andra samarbetspartners utvecklat en innovativ öppen källkodsplattform kallad DL4MicEverywhere. Uppsatsen "DL4MicEverywhere:Deep learning for microscopy made flexible, shareable and reproducible" publicerades i tidskriften Nature Methods .

Denna plattform ger livsforskare enkel tillgång till avancerad artificiell intelligens (AI) för analys av mikroskopibilder. Det gör det möjligt för andra forskare, oavsett deras beräkningsexpertis, att enkelt träna och använda modeller för djupinlärning på sina egna data.

Deep learning, ett underområde av AI, har revolutionerat analysen av stora och komplexa mikroskopdataset, vilket gör det möjligt för forskare att automatiskt identifiera, spåra och analysera celler och subcellulära strukturer. Men bristen på datorresurser och AI-expertis hindrar vissa forskare inom biovetenskap från att dra fördel av dessa kraftfulla tekniker i sitt eget arbete.

DL4MicEverywhere tar itu med dessa utmaningar genom att tillhandahålla ett intuitivt gränssnitt för forskare att använda modeller för djupinlärning i alla experiment som kräver bildanalys och i olika datorinfrastrukturer, från enkla bärbara datorer till högpresterande kluster.

"Vår plattform etablerar en bro mellan AI tekniska framsteg och biomedicinsk forskning", säger Ivan Hidalgo-Cenamor, första författare till studien och forskare vid IGC.

"Med den, oavsett deras expertis inom AI, får forskare tillgång till banbrytande mikroskopimetoder, vilket gör att de automatiskt kan analysera sina resultat och potentiellt upptäcka nya biologiska insikter."

DL4MicEverywhere-plattformen bygger på teamets tidigare arbete, ZeroCostDL4Mic, för att tillåta utbildning och användning av modeller i olika beräkningsmiljöer. Plattformen inkluderar också ett användarvänligt gränssnitt och utökar samlingen av tillgängliga metoder som användare kan tillämpa på vanliga mikroskopiska bildanalysuppgifter.

"DL4MicEverywhere syftar till att demokratisera AI för mikroskopi genom att främja samhällsbidrag och följa FAIR-principerna för programvara för vetenskaplig forskning – vilket gör resurserna tillgängliga, tillgängliga, interoperabla och återanvändbara", förklarade Dr. Estibaliz Gómez-de-Mariscal, medledare för studien och forskare vid IGC.

"Vi hoppas att den här plattformen kommer att ge forskare över hela världen möjlighet att utnyttja dessa kraftfulla tekniker i sitt arbete, oavsett deras resurser eller expertis."

Utvecklingen av DL4MicEverywhere är ett bra exempel på samarbetsmiljön inom vetenskap. Först utvecklades den med syftet att göra det möjligt för alla forskare över hela världen att dra fördel av den mest avancerade tekniken inom mikroskopi, och bidra till att påskynda vetenskapliga upptäckter. För det andra möjliggjordes det endast genom ett internationellt samarbete mellan experter inom datavetenskap, bildanalys och mikroskopi, med viktiga bidrag från AI4Life-konsortiet.

Projektet leddes tillsammans av Ricardo Henriques vid IGC och Guillaume Jacquemet vid Åbo Akademi.

"Detta arbete representerar en viktig milstolpe för att göra AI mer tillgänglig och återanvändbar för mikroskopisamhället", säger professor Jacquemet. "Genom att göra det möjligt för forskare att enkelt dela sina modeller och analyspipelines kan vi påskynda upptäckter och förbättra reproducerbarheten inom biomedicinsk forskning."

"DL4MicEverywhere har potentialen att vara transformativ för biovetenskaperna", tillade professor Henriques. "Det är i linje med vår vision i AI4Life att utveckla hållbara AI-lösningar som ger forskare kraft och driver innovation inom hälso- och sjukvården och utanför."

DL4MicEverywhere-plattformen är fritt tillgänglig som en öppen källkodsresurs, vilket återspeglar teamens engagemang för öppen vetenskap och reproducerbarhet. Forskarna tror att genom att sänka barriärerna för avancerad mikroskopisk bildanalys kommer DL4MicEverywhere att möjliggöra banbrytande upptäckter inom områden som sträcker sig från grundläggande cellbiologi till läkemedelsupptäckt och personlig medicin.

Mer information: DL4MicEverywhere:djupinlärning för mikroskopi gjort flexibel, delbar och reproducerbar, Naturmetoder (2024). DOI:10.1038/s41592-024-02295-6

Journalinformation: Naturmetoder

Tillhandahålls av Instituto Gulbenkian de Ciencia