Forskare har utvecklat ett automatiserat verktyg för att kartlägga rörelsen av partiklar inuti celler som kan påskynda forskning inom många områden, en ny studie i eLife -rapporter.

Små molekylers rörelser, proteiner och cellulära komponenter i hela kroppen spelar en viktig roll för hälsa och sjukdom. Till exempel, de bidrar till hjärnans utveckling och utvecklingen av vissa sjukdomar. Det nya verktyget, byggd med banbrytande maskininlärningsteknik, kommer att göra spårning av dessa rörelser snabbare, lättare och mindre benägen för partiskhet.

För närvarande, forskare kan använda bilder som kallas kymografer, som representerar partiklarnas rörelse i tid och rum, för deras analyser av partikelrörelser. Dessa kymografier extraheras från time-lapse-videor av partikelrörelser inspelade med hjälp av mikroskop. Analysen måste göras manuellt, som är både långsam och sårbar för forskarens omedvetna fördomar.

"Vi använde kraften i maskininlärning för att lösa detta mångåriga problem genom att automatisera spårning av kymografer, "säger huvudförfattaren Maximilian Jakobs, en doktorsexamen student vid institutionen för fysiologi, Utveckling och neurovetenskap vid University of Cambridge, STORBRITANNIEN.

Teamet utvecklade programvaran, kallad 'KymoButler', för att automatisera processen. Programvaran använder djupinlärningsteknik, som försöker efterlikna nätverken i hjärnan för att låta programvara lära sig och bli mer skicklig på en uppgift över tid och flera försök. De testade sedan KymoButler med både konstgjorda och verkliga data från forskare som studerade rörelsen av en rad olika partiklar.

"Vi visar att KymoButler utför såväl som expertmanuell dataanalys på kymografer med komplexa partikelbanor från en mängd olika biologiska system, "Jakobs förklarar. Programvaran kan också slutföra analyser på under en minut som skulle ta en expert 1,5 timme.

KymoButler är tillgänglig för andra forskare att ladda ner och använda på kymobutler.deepmirror.ai. Seniorförfattare Kristian Franze, Läsare i neuronmekanik vid University of Cambridge, förväntar sig att programvaran kommer att fortsätta att förbättras när den analyserar fler typer av data. Forskare som använder verktyget får möjlighet att anonymt ladda upp sina kymografier för att hjälpa teamet att fortsätta utveckla programvaran.

"Vi hoppas att vårt verktyg kommer att vara användbart för andra som är involverade i analys av små partikelrörelser, inom vilket område de kan arbeta inom, "säger Franze, vars laboratorium ägnar sig åt att förstå hur fysiska interaktioner mellan celler och deras miljö formar hjärnans utveckling och förnyelse.