科学者は超解像度顕微鏡を使用して、これまで発見されていなかった細胞の世界を研究し、細胞内部のナノメートルスケールの詳細を明らかにしています。 この方法は光学顕微鏡法に革命をもたらし、その発明者らは 2014 年のノーベル化学賞を受賞しました。 国際共同研究により、テュービンゲンの AI 研究者は、これを大幅に加速するアルゴリズムを開発しました。 テクノロジー 機械学習の助けを借りて。
単一分子局在顕微鏡法（SMLM）は、超解像顕微鏡法の一種です。 これには、目的のタンパク質を蛍光分子で標識し、光を使用して一度に数個の分子のみを活性化することが含まれます。 このトリックを使用して、同じサンプルの複数の画像が取得されます。 意味のある画像を作成するために、コンピュータプログラムがデータのスクランブルを解除し、完全な画像をコンパイルします。 この手法は分子の位置を高精度で特定するために使用できますが、大きな欠点がXNUMXつあります。それは、科学者が多数の画像を取得する必要があるため、プロセスに非常に時間がかかることです。
国際的なコラボレーションにおいて、テュービンゲン大学の科学における機械学習の教授であるJakob Mackeのチームは、SMLMのこの制限を克服する新しいアルゴリズムを開発しました。 欧州分子生物学研究所（EMBL）ハイデルベルクのRies Groupと、ジャネリアリサーチキャンパス（米国バージニア州）のSrinivasTuraga博士のチームとの共同研究が ネイチャーメソッド.
ディープラーニングにより、非常に正確な単一分子のローカリゼーションが可能になります
DECODE（DEep COntext DEpendent）アルゴリズムは、ディープラーニングに基づいています。トレーニングデータから学習するニューラルネットワークを使用します。 ただし、この場合のネットワークは、実際の画像を使用する代わりに、数値シミュレーションによって生成された合成データでトレーニングされます。 微視的セットアップとイメージング物理学に関する情報を組み込むことにより、研究者は実際の取得と厳密に一致するシミュレーションを実現しました。 「したがって、シミュレートされたデータを使用してトレーニングしたニューラルネットワークは、実際の画像内のフルオロフォアを検出してローカライズすることもできます」と、Lucas-RaphaelMüllerとともに論文の筆頭著者であるArturSpeiserは説明します。
DECODEの利点のXNUMXつは、以前よりも高密度でフルオロフォアを正確に検出してローカライズすることです。 これは、サンプルごとに必要な画像が少ないことを意味します。 その結果、解像度の低下を最小限に抑えながら、イメージング速度を最大XNUMX倍に上げることができます。 さらに、DECODEは不確実性を定量化できるため、ネットワーク自体がローカリゼーションが不明な場合に検出できます。
学際性は研究の視点を拡大します
「この作品は、私たちのクラスターオブエクセレンス「機械学習：科学の新しい視点」のアプローチを示しています」と、テュービンゲンクラスターの一部であるマッケは言います。 「私たちは当初、非常に異なるコンテキストで機械学習アプローチの基礎となるアイデアを開発しましたが、計算顕微鏡の専門家と協力することで、SMLMを分析するための強力な方法に変えることができました。 データに設立された地域オフィスに加えて、さらにローカルカスタマーサポートを提供できるようになります。」
チームは、DECODEアルゴリズムを実装するソフトウェアパッケージも構築しました。 「このソフトウェアはインストールが簡単で無料で使用できるため、将来的に多くの科学者に役立つことを願っています」とEMBLのJonasRies博士は付け加えます。
ELEタイムズ
-
ELEタイムズhttps://www.eletimes.com/author/eletimes-news世界最長の3Dプリントされたコンクリート自転車橋
-
ELEタイムズhttps://www.eletimes.com/author/eletimes-newsマイクロチップは、クラウドデータセンター、1.6G、AI向けに最大800GbEの接続性を備えた業界で最もコンパクトな5TイーサネットPHYを発表
-
ELEタイムズhttps://www.eletimes.com/author/eletimes-newsEPSGlobalがNuvotonのMCUセキュリティパートナーエコシステムに参加