圖片：EPFL

每當有人想從活細菌樣本中獲得細菌分裂的詳細觀察結(jié)果時，事情就會變得有點復(fù)雜。他們可能不得不不停地呆在顯微鏡下，直到細菌分裂，這可能需要幾個小時。手動檢測和采集控制實際上在該領(lǐng)域非常普遍。

另一種選擇是將顯微鏡設(shè)置為盡可能頻繁地不加選擇地拍攝圖像，但過度的光線會導(dǎo)致問題。它會更快地消耗樣品中的熒光，從而過早地破壞活樣品。同時，會產(chǎn)生很多不必要的圖像，只有少數(shù)真正包含分裂細菌的圖像。

還有一種解決方案是使用人工智能 (AI) 來檢測細菌分裂的前體，并使用它們自動更新顯微鏡的控制軟件，這將有助于它拍攝更多的分裂照片。

自動化顯微鏡控制

看看這三個不同的選項，洛桑聯(lián)邦理工學(xué)院 (EPFL) 的一組生物物理學(xué)家提出了一種方法，可以自動控制顯微鏡來詳細成像生物事件。同時，該方法限制了樣品的應(yīng)力。這項新技術(shù)依賴于人工神經(jīng)網(wǎng)絡(luò)，它適用于細菌細胞分裂和線粒體分裂。

該團隊在Nature Methods上發(fā)表了他們的發(fā)現(xiàn)。

Suliana Manley 是 EPFL 實驗生物物理實驗室的首席研究員。

“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和微妙的模式，然后通過改變其行為來做出反應(yīng)，”曼利說。“通過使用神經(jīng)網(wǎng)絡(luò)，我們可以檢測到更微妙的事件，并使用它們來驅(qū)動采集速度的變化。”

該團隊首先找到了檢測線粒體分裂的解決方案，這比針對某些細菌的解決方案更難。線粒體分裂發(fā)生的頻率更低，這意味著它是不可預(yù)測的，它幾乎可以隨時發(fā)生在線粒體網(wǎng)絡(luò)中的任何地方。

訓(xùn)練神經(jīng)網(wǎng)絡(luò)

該團隊訓(xùn)練神經(jīng)網(wǎng)絡(luò)尋找線粒體收縮，這是導(dǎo)致分裂的線粒體形狀的變化。他們還觀察到一種已知在分裂部位富集的蛋白質(zhì)。

當收縮和蛋白質(zhì)水平都很高時，顯微鏡將切換到高速成像，這使它能夠捕捉到許多分裂事件的圖像。但是當水平較低時，顯微鏡將切換到低速成像，這有助于避免將樣品暴露在過多的光線下。

與標準快速成像相比，像這樣的智能熒光顯微鏡使科學(xué)家能夠更長時間地觀察樣品。與標準慢速成像相比，樣本壓力更大，但團隊可以獲得更有意義的數(shù)據(jù)。

“智能顯微鏡的潛力包括測量標準采集會遺漏的內(nèi)容，”Manley 解釋說。“我們捕獲更多事件，測量更小的限制，并且可以更詳細地跟蹤每個部門。”

該團隊現(xiàn)在正在將控制框架作為開放式顯微鏡軟件 Micro-Manager 的開源插件提供。他們希望讓其他科學(xué)家能夠?qū)⑷斯ぶ悄芗傻剿麄冏约旱娘@微鏡中。