生物物理学家让我们更接近智能显微镜

图片：EPFL

每当有人想从活细菌样本中获得细菌分裂的详细观察结果时，事情就会变得有点复杂。他们可能不得不不停地呆在显微镜下，直到细菌分裂，这可能需要几个小时。手动检测和采集控制实际上在该领域非常普遍。

另一种选择是将显微镜设置为尽可能频繁地不加选择地拍摄图像，但过度的光线会导致问题。它会更快地消耗样品中的荧光，从而过早地破坏活样品。同时，会产生很多不必要的图像，只有少数真正包含分裂细菌的图像。

还有一种解决方案是使用人工智能 (AI) 来检测细菌分裂的前体，并使用它们自动更新显微镜的控制软件，这将有助于它拍摄更多的分裂照片。

自动化显微镜控制

看看这三个不同的选项，洛桑联邦理工学院 (EPFL) 的一组生物物理学家提出了一种方法，可以自动控制显微镜来详细成像生物事件。同时，该方法限制了样品的应力。这项新技术依赖于人工神经网络，它适用于细菌细胞分裂和线粒体分裂。

该团队在Nature Methods上发表了他们的发现。

Suliana Manley 是 EPFL 实验生物物理实验室的首席研究员。

“智能显微镜有点像自动驾驶汽车。它需要处理某些类型的信息和微妙的模式，然后通过改变其行为来做出反应，”曼利说。“通过使用神经网络，我们可以检测到更微妙的事件，并使用它们来驱动采集速度的变化。”

该团队首先找到了检测线粒体分裂的解决方案，这比针对某些细菌的解决方案更难。线粒体分裂发生的频率更低，这意味着它是不可预测的，它几乎可以随时发生在线粒体网络中的任何地方。

训练神经网络

该团队训练神经网络寻找线粒体收缩，这是导致分裂的线粒体形状的变化。他们还观察到一种已知在分裂部位富集的蛋白质。

当收缩和蛋白质水平都很高时，显微镜将切换到高速成像，这使它能够捕捉到许多分裂事件的图像。但是当水平较低时，显微镜将切换到低速成像，这有助于避免将样品暴露在过多的光线下。

与标准快速成像相比，像这样的智能荧光显微镜使科学家能够更长时间地观察样品。与标准慢速成像相比，样本压力更大，但团队可以获得更有意义的数据。

“智能显微镜的潜力包括测量标准采集会遗漏的内容，”Manley 解释说。“我们捕获更多事件，测量更小的限制，并且可以更详细地跟踪每个部门。”

该团队现在正在将控制框架作为开放式显微镜软件 Micro-Manager 的开源插件提供。他们希望让其他科学家能够将人工智能集成到他们自己的显微镜中。