Ученые из Института Аллена использовали компьютеры, чтобы увидеть части клетки, которые человеческий глаз не может легко отличить. Используя трехмерные изображения флуоресцентно меченых клеток, исследовательская группа научила компьютеры находить структуры внутри живых клеток без флуоресцентных меток, используя только черно-белые изображения, созданные с помощью недорогой техники, известной как яркая микроскопия. Исследование, описывающее новую технику, опубликовано сегодня в журнале Nature Methods.
Флуоресцентная микроскопия, которая использует светящиеся молекулярные метки для определения конкретных частей клеток, является очень точной, и позволяет ученым одновременно видеть несколько структур в клетке. Человеческие клетки имеют более 20 000 различных белков, которые, если смотреть вместе, могут выявить важную информацию о здоровых и больных клетках.
«Эта технология позволяет нам рассматривать больший набор этих структур, чем это было возможно раньше», - сказал Грег Джонсон, доктор философии, ученый из Алленского института клеточной науки, подразделение Института Аллена и старший автор исследования. «Это означает, что мы можем исследовать организацию клетки способами, которые никто не смог сделать, особенно в живых клетках».
Инструмент прогнозирования также может помочь ученым понять, что пойдет не так в клетках во время болезни, сказал Рик Хорвиц, доктор философии, исполнительный директор Института клеточных наук Аллена. Исследователи рака могли бы потенциально применить эту методику к заархивированным образцам биопсии опухоли, чтобы лучше понять, как клеточные структуры меняются, когда рак прогрессирует или реагирует на лечение. Алгоритм также может помочь медицине регенерации, раскрывая, как клетки меняются в реальном времени, когда ученые пытаются вырастить органы или другие новые структуры тела в лаборатории.
«Этот метод имеет огромные потенциальные последствия для этих и смежных областей», - сказал Хорвиц. «Вы можете смотреть процессы вживую, поскольку они происходят - это почти похоже на волшебство. Этот метод позволяет нам, самым неинвазивным образом получать информацию о человеческих клетках, которые мы ранее не могли получить".
Комбинация свободно доступного инструментария прогнозирования и яркой микроскопии может снизить затраты на исследования, если они используются вместо флуоресцентной микроскопии, что требует дорогостоящего оборудования и обученных операторов. Флуоресцентные метки также подвержены замиранию, и сам свет может повредить живые клетки, ограничивая полезность метода для изучения живых клеток и их динамики. Метод машинного обучения позволил бы ученым отслеживать точные изменения в клетках в течение длительных периодов времени, потенциально проливая свет на такие события, как раннее развитие или прогрессирование заболевания.
Для человеческого глаза клетки, видимые в ярком полевом микроскопе, представляют собой мешочки, выделенные серыми оттенками. Обученный ученый может найти края клетки и ядра, отделение для хранения ДНК в ячейке, но не намного больше. Исследовательская группа использовала существующую технику машинного обучения, известную как сверточная нейронная сеть, для обучения компьютеров распознаванию более тонких деталей в этих изображениях, таких как митохондрии, электростанции клеток. Исследователи сказали, что они протестировали 12 различных клеточных структур, а модель сгенерировала предсказанные изображения, которые соответствовали флуоресцентно помеченным изображениям для большинства этих структур.
«Мы поняли, что если наши собственные глаза не смогут увидеть определенную структуру, тогда машина не сможет ее изучить», - сказала Молли Малкекар, доктор философии, директор по моделированию на Аллен Института клеточной науки и автор исследования. «Машины могут видеть то, что мы не можем. Они могут научиться тому, чего мы не можем, и они могут сделать это намного быстрее».
Этот метод также может предсказать точную структурную информацию из изображений, полученных с помощью электронного микроскопа. Расчетный подход здесь тот же, сказал Форрест Коллман, доктор философии, ассистент-исследователь в Алленском институте мозговой науки и автор исследования. Коллман является частью команды, работающей над отображением связей между нейронами в мозге мыши. Они используют метод для выравнивания изображений нейронов, взятых с помощью микроскопов разных типов, обычно это сложная проблема для компьютера и трудоемкая задача для человека.
«Наш прогресс в решении этой проблемы был ускорен благодаря тому, что наши коллеги из Алленского института клеточной науки работали с нами над решением», - сказал Коллман.
Замена флуоресцентных микроскопов менее интенсивными микроскопами позволила бы исследователям ускорить их работу, улучшить измерения функции клеток и тканей и сэкономить деньги в этом процессе. Используя эти сети, Алленский институт помогает демократизировать биологические и медицинские исследования.
Исследование было частично поддержано Национальным институтом неврологических расстройств и инсульта и Национальным институтом психического здоровья национальных институтов здравоохранения.
Источник: https://www.sciencedaily.com/releases/2018/09/180917111545.htm
Комментарии
Пока комментариев нет
Новый комментарий