想象一下，你是一名博士生，拿著熒光顯微鏡和活細菌樣本。利用這些資源從樣本中獲得細菌分裂的詳細觀察結(jié)果的最佳方法是什么?
你可能會忍不住放棄食物和休息，不停地坐在顯微鏡前，在細菌最終開始分裂時獲取圖像。(一種細菌可能需要數(shù)小時才能分裂。它并不像聽起來那么瘋狂，因為手動檢測和采集控制在許多科學中都很普遍。
或者，您可能希望將顯微鏡設(shè)置為不加選擇地盡可能多地拍攝圖像。但是，過多的光線會更快地耗盡樣品中的熒光，并可能過早地破壞活的樣品。此外，你會生成許多無趣的圖像，因為只有少數(shù)圖像包含分裂細菌的圖像。
另一種解決方案是使用人工智能來檢測細菌分裂的前體，并利用這些前體自動更新顯微鏡的控制軟件，以拍攝更多事件的照片。
EPFL生物物理學家現(xiàn)在已經(jīng)找到了一種方法，可以在人工神經(jīng)網(wǎng)絡(luò)的幫助下，自動進行顯微鏡控制，以詳細成像生物事件，同時限制樣品上的壓力。他們的技術(shù)適用于細菌細胞分裂和線粒體分裂。他們的智能顯微鏡的細節(jié)在自然方法中有所描述。
“智能顯微鏡有點像自動駕駛汽車。它需要處理某些類型的信息，微妙的模式，然后通過改變其行為來做出反應，“EPFL實驗生物物理實驗室的首席研究員Suliana Manley解釋說。“通過使用神經(jīng)網(wǎng)絡(luò)，我們可以檢測到更微妙的事件，并利用它們來驅(qū)動采集速度的變化。
Manley和她的同事們首先解決了如何檢測線粒體分裂的問題，這比新月形衣原體等細菌更難。線粒體分裂是不可預測的，因為它很少發(fā)生，并且?guī)缀蹩梢栽谌魏螘r候在線粒體網(wǎng)絡(luò)內(nèi)的任何地方發(fā)生。但科學家們通過訓練神經(jīng)網(wǎng)絡(luò)來觀察線粒體收縮(線粒體形狀的變化導致分裂)解決了這個問題，并結(jié)合對已知在分裂部位富集的蛋白質(zhì)的觀察。
當收縮和蛋白質(zhì)水平都很高時，顯微鏡切換到高速成像，以詳細捕獲分裂事件的許多圖像。當收縮和蛋白質(zhì)水平較低時，顯微鏡然后切換到低速成像，以避免將樣品暴露在過多的光線下。
通過這種智能熒光顯微鏡，科學家們表明，與標準快速成像相比，他們可以觀察樣品更長的時間。雖然與標準慢成像相比，樣品的壓力更大，但他們能夠獲得更有意義的數(shù)據(jù)。
“智能顯微鏡的潛力包括測量標準采集會錯過什么，”Manley解釋說。“我們捕捉更多的事件，測量更小的收縮，并且可以更詳細地跟蹤每個部門。
科學家們正在將控制框架作為開放顯微鏡軟件Micro-Manager的開源插件提供，目的是讓其他科學家將人工智能集成到他們自己的顯微鏡中。
標簽：
免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權(quán)請聯(lián)系刪除！