A técnica transforma imagens de baixa resolução de um microscópio de fluorescência (a) em imagens de super resolução (b) que se comparam favoravelmente com as de equipamentos de alta resolução (c). As imagens mostram proteínas subcelulares dentro de uma célula, e diferentes painéis correspondem a diferentes tempos de observação. Crédito:Ozcan Lab na UCLA.
Muitos problemas nas ciências físicas e biológicas, bem como na engenharia, dependem da nossa capacidade de monitorar objetos ou processos em escala nano, e a microscopia de fluorescência tem sido usada há décadas como uma das nossas fontes de informação mais úteis, levando a várias descobertas sobre o funcionamento interno dos processos em escala nanométrica, por exemplo, no nível subcelular. A imagem de tais objetos em nanoescala muitas vezes requer instrumentação bastante cara e delicada, também conhecidas como ferramentas de nanoscopia, que só pode ser acessado por profissionais em laboratórios com bons recursos.
Para democratizar o acesso a imagens de fluorescência de alta resolução e ser capaz de resolver e monitorar objetos em escala nano, Os pesquisadores da UCLA desenvolveram um novo método, baseado em inteligência artificial, para transformar digitalmente imagens de fluorescência adquiridas usando uma resolução mais baixa e um microscópio mais simples em imagens que correspondam à resolução e qualidade de alta resolução e microscópios avançados que são construídos para imagens em nanoescala. Para alcançar essa transformação, uma rede neural artificial é treinada por milhares de pares de imagens (resolução mais baixa vs. imagens de resolução mais alta das mesmas amostras), ensinar a rede neural profunda a transformação de imagem de modalidade cruzada de um microscópio muito mais simples e barato em um nanoscópio de ponta. Assim que o treinamento for concluído, a rede neural profunda pode captar cegamente uma imagem de resolução mais baixa e microscópio mais simples para super-resolver digitalmente as características dos objetos nanoscópicos na amostra, combinando o desempenho de um instrumento de nanoscopia muito mais avançado.
Este trabalho foi publicado em Métodos da Natureza , um jornal do Springer Nature Publishing Group. Esta pesquisa foi liderada pelo Dr. Aydogan Ozcan, um diretor associado do UCLA California NanoSystems Institute (CNSI) e o Chancellor's Professor de engenharia elétrica e de computação na UCLA Henry Samueli School of Engineering and Applied Science. Hongda Wang, um estudante de graduação da UCLA, e Yair Rivenson, um bolsista de pós-doutorado da UCLA, são os co-autores do estudo.
Esta estrutura de transformação de imagem nanoscópica constrói pontes entre diferentes modalidades e instrumentos de imagem, e seu sucesso foi demonstrado pela super-resolução de várias células biológicas e amostras de tecido, combinando a resolução de imagem de ferramentas de nanoscopia de fluorescência muito mais avançadas usando microscópios muito mais simples e acessíveis. Além disso, esta técnica permite a geração de imagens de eventos dinâmicos em nanoescala sobre um volume de amostra muito maior, ao mesmo tempo que reduz os efeitos tóxicos dos fótons de iluminação em organismos vivos e células.
Original, imagem de super-resolução e aprimoramento de aprendizado profundo (para comparação) em nanoescala. Crédito:Ozcan Lab / UCLA
"Nosso trabalho demonstra um avanço significativo na microscopia computacional, o que pode ajudar a democratizar a imagem de super-resolução, permitindo novas observações biológicas em escala nanométrica, além de laboratórios e instituições bem equipados, "disse Ozcan.
Outros membros da equipe de pesquisa foram Yiyin Jin, Zhensong Wei, Ronald Gao, Harun Günaydin, membros do Laboratório de Pesquisa Ozcan da UCLA, bem como o Dr. Laurent A. Bentolila, o Diretor do CNSI Advanced Microscopy Facility da UCLA e o Dr. Comert Kural, professor assistente do departamento de física da Ohio State University.
O laboratório Ozcan é apoiado pela NSF, HHMI e Grupo Koc. Os experimentos de imagem foram realizados no Advanced Light Microscopy / Spectroscopy Laboratory no CNSI e no Advanced Imaging Center no Campus de Pesquisa de Janelia.
