Gli scienziati utilizzano la microscopia a super risoluzione per studiare mondi cellulari precedentemente sconosciuti, rivelando dettagli su scala nanometrica all'interno delle cellule. Questo metodo ha rivoluzionato la microscopia ottica e ha fruttato ai suoi inventori il Premio Nobel per la Chimica 2014. In una collaborazione internazionale, i ricercatori di intelligenza artificiale di Tubinga hanno ora sviluppato un algoritmo che accelera notevolmente questo processo la tecnologia con l'aiuto dell'apprendimento automatico.
La microscopia di localizzazione a singola molecola (SMLM) è un tipo di microscopia a super risoluzione. Implica l'etichettatura delle proteine di interesse con molecole fluorescenti e l'utilizzo della luce per attivare solo poche molecole alla volta. Usando questo trucco, vengono acquisite più immagini dello stesso campione. Per creare un'immagine significativa, un programma per computer decodifica i dati e compila l'immagine completa. Sebbene la tecnica possa essere utilizzata per individuare le molecole con elevata precisione, presenta un grave inconveniente: richiede agli scienziati di acquisire un gran numero di immagini, il che rende il processo molto dispendioso in termini di tempo.
In una collaborazione internazionale, il team di Jakob Macke, professore di Machine Learning in Science presso l'Università di Tubinga, ha sviluppato un nuovo algoritmo che supera questa limitazione di SMLM. Il lavoro congiunto con il gruppo Ries presso il Laboratorio europeo di biologia molecolare (EMBL) di Heidelberg e il team del Dr. Srinivas Turaga presso il Janelia Research Campus (Virginia, USA) è stato pubblicato in Metodi della natura.
Il deep learning consente la localizzazione di singole molecole altamente accurata
L'algoritmo DECODE (DEep COntext DEpendent) si basa sul deep learning: utilizza una rete neurale che apprende dai dati di training. Invece di utilizzare immagini reali, tuttavia, la rete in questo caso viene addestrata con dati sintetici generati da una simulazione numerica. Incorporando informazioni sulla configurazione microscopica e sulla fisica delle immagini, i ricercatori hanno ottenuto simulazioni che corrispondevano strettamente alle acquisizioni del mondo reale. "La rete neurale che abbiamo addestrato utilizzando dati simulati può quindi anche rilevare e localizzare i fluorofori in immagini reali", spiega Artur Speiser, che, insieme a Lucas-Raphael Müller, è stato l'autore principale dell'articolo.
Uno dei vantaggi di DECODE è che rileva e localizza accuratamente i fluorofori a densità più elevate di quanto fosse possibile in precedenza. Ciò significa che sono necessarie meno immagini per campione. Di conseguenza, le velocità di imaging possono essere aumentate fino a dieci volte con una perdita minima di risoluzione. Inoltre, DECODE può quantificare le incertezze, in modo che la rete stessa possa rilevare quando non è sicura della sua localizzazione.
L'interdisciplinarietà amplia le prospettive della ricerca
“Questo lavoro è indicativo dell'approccio del nostro Cluster di Eccellenza “Machine Learning: New Perspectives for Science'”, afferma Macke, la cui cattedra fa parte del cluster di Tubinga. “Inizialmente abbiamo sviluppato le idee alla base dell'approccio di apprendimento automatico in un contesto molto diverso, ma attraverso la collaborazione con esperti di microscopia computazionale siamo stati in grado di trasformarle in potenti metodi per l'analisi SMLM dati. "
Il team ha anche creato un pacchetto software che implementa l'algoritmo DECODE. "Il software è semplice da installare e gratuito, quindi speriamo che possa essere utile per molti scienziati in futuro", aggiunge il dott. Jonas Ries dell'EMBL.
ELE Times
-
ELE Timeshttps://www.eletimes.com/author/eletimes-newsIl più lungo ponte per biciclette in cemento stampato in 3D al mondo
-
ELE Timeshttps://www.eletimes.com/author/eletimes-newsMicrochip presenta il PHY Ethernet 1.6T più compatto del settore con connettività fino a 800 GbE per data center cloud, 5G e AI
-
ELE Timeshttps://www.eletimes.com/author/eletimes-newsEPS Global si unisce all'ecosistema di partner di sicurezza MCU di Nuvoton