Microscópio fluorescente de Suliana Manley na EPFL. Crédito:Santuário Hillary / EPFL
Imagine que você é um Ph.D. estudante com um microscópio fluorescente e uma amostra de bactérias vivas. Qual é a melhor maneira de usar esses recursos para obter observações detalhadas da divisão bacteriana da amostra?
Você pode ficar tentado a deixar de comer e descansar, sentar-se ao microscópio sem parar e adquirir imagens quando a divisão bacteriana finalmente começar. (Pode levar horas para uma bactéria se dividir.) Não é tão louco quanto parece, já que a detecção manual e o controle de aquisição são comuns em muitas ciências.
Alternativamente, você pode configurar o microscópio para tirar imagens indiscriminadamente e com a maior frequência possível. Mas a luz excessiva esgota a fluorescência da amostra mais rapidamente e pode destruir prematuramente as amostras vivas. Além disso, você geraria muitas imagens desinteressantes, já que apenas algumas conteriam imagens de bactérias em divisão.
Outra solução seria usar a inteligência artificial para detectar precursores da divisão bacteriana e usá-los para atualizar automaticamente o software de controle do microscópio para tirar mais fotos do evento.
Os biofísicos da EPFL descobriram agora uma maneira de automatizar o controle do microscópio para imagens de eventos biológicos em detalhes, limitando o estresse na amostra, tudo com a ajuda de redes neurais artificiais. Sua técnica funciona para a divisão celular bacteriana e para a divisão mitocondrial. Os detalhes de seu microscópio inteligente estão descritos em
Métodos da Natureza .
Crédito:Ecole Polytechnique Federale de Lausanne "Um microscópio inteligente é como um carro autônomo. Ele precisa processar certos tipos de informações, padrões sutis aos quais responde mudando seu comportamento", explica a pesquisadora principal Suliana Manley, do Laboratório de Biofísica Experimental da EPFL. "Ao usar uma rede neural, podemos detectar eventos muito mais sutis e usá-los para gerar mudanças na velocidade de aquisição".
Manley e seus colegas primeiro resolveram como detectar a divisão mitocondrial, mais difícil do que para bactérias como C. crescentus. A divisão mitocondrial é imprevisível, pois ocorre com pouca frequência e pode acontecer em quase qualquer lugar dentro da rede mitocondrial a qualquer momento. Mas os cientistas resolveram o problema treinando a rede neural para procurar constrições mitocondriais, uma mudança na forma das mitocôndrias que leva à divisão, combinada com observações de uma proteína conhecida por ser enriquecida em locais de divisão.
Quando as constrições e os níveis de proteína são altos, o microscópio muda para imagens de alta velocidade para capturar muitas imagens de eventos de divisão em detalhes. Quando os níveis de constrição e proteína são baixos, o microscópio muda para imagens de baixa velocidade para evitar a exposição da amostra à luz excessiva.
Com este microscópio fluorescente inteligente, os cientistas mostraram que podiam observar a amostra por mais tempo em comparação com imagens rápidas padrão. Embora a amostra estivesse mais estressada em comparação com a imagem lenta padrão, eles conseguiram obter dados mais significativos.
"O potencial da microscopia inteligente inclui medir o que as aquisições padrão perderiam", explica Manley. "Capturamos mais eventos, medimos constrições menores e podemos acompanhar cada divisão com mais detalhes."
The scientists are making the control framework available as an open source plug-in for the open microscope software Micro-Manager, with the aim of allowing other scientists to integrate artificial intelligence into their own microscopes.
+ Explorar mais How mitochondria make the cut:When and where the powerhouse of the cell divides