La inteligencia artificial y las innovaciones de hardware aumentan el rendimiento del microscopio confocal
Mejorar el caballo de batalla
Desde que el pionero de la inteligencia artificial Marvin Minsky patentó el principio de la microscopía confocal en 1957, ésta se ha convertido en el caballo de batalla de los laboratorios de ciencias de la vida de todo el mundo, debido a su contraste superior al de la microscopía tradicional de campo amplio. Sin embargo, los microscopios confocales no son perfectos. Aumentan la resolución obteniendo imágenes de un solo punto enfocado a la vez, por lo que puede llevar bastante tiempo escanear una muestra biológica entera y delicada, exponiéndola a dosis de luz que pueden ser tóxicas.
Corte de tejido esofágico de ratón (imagen XY), inmunotinción para tubulina (cian) y actina (magenta), con imágenes en modo SIM de triple vista.
Yicong Wu and Xiaofei Han et al, Nature, 2021
Para llevar las imágenes confocales a un nivel de rendimiento sin precedentes, una colaboración en el Laboratorio Biológico Marino (MBL) ha inventado una plataforma confocal "de cocina" que toma prestadas soluciones de otros sistemas de imágenes de alta potencia, añade un hilo conductor de algoritmos de inteligencia artificial de "Aprendizaje Profundo" y mejora con éxito la resolución volumétrica del confocal en más de 10 veces, reduciendo simultáneamente la fototoxicidad. Su informe sobre la tecnología se publica en línea en Nature.
"Muchos laboratorios tienen confocales, y si pueden sacar más rendimiento de ellos utilizando estos algoritmos de inteligencia artificial, entonces no tienen que invertir en un microscopio completamente nuevo. Para mí, esa es una de las mejores y más emocionantes razones para adoptar estos métodos de IA", afirma el autor principal y miembro del MBL, Hari Shroff, del Instituto Nacional de Imagen Biomédica y Bioingeniería.
Entre sus innovaciones, la nueva plataforma confocal utiliza tres lentes objetivas, lo que permite obtener imágenes de una gran variedad de tamaños de muestra, desde núcleos y neuronas en el embrión de C. elegans hasta el gusano adulto completo. Se capturan, registran y fusionan rápidamente múltiples vistas de la muestra para obtener reconstrucciones con una resolución mejorada respecto a la microscopía confocal de una sola vista. La plataforma también introduce innovadores cabezales de escaneo para los tres objetivos, lo que permite añadir fácilmente la iluminación de escaneo lineal a la base del microscopio.
Además, el equipo añadió a la plataforma la capacidad de "superresolución" (resolución mejorada más allá del límite de difracción de la luz) adaptando técnicas de la microscopía de iluminación estructurada.
"La cumbre del hardware que se sube en esta plataforma son las múltiples lentes alrededor de la muestra, y luego el truco de la superresolución, que requiere una combinación de hardware y computación para lograrlo. Es un tour de force, pero es una receta bastante fototóxica. La muestra recibe mucha luz", afirma el coautor y miembro del MBL Patrick La Rivière, de la Universidad de Chicago.
Una forma de abordar la fototoxicidad es reducir la luz procedente del láser del microscopio. Pero entonces se empieza a tener problemas con el "ruido" en la imagen, es decir, con el grano de fondo que puede ocultar los detalles finos del objeto que se quiere fotografiar (la "señal"). Aquí es donde entra en juego la inteligencia artificial.
El equipo entrenó un modelo informático de aprendizaje profundo, o red neuronal, para distinguir entre las imágenes de peor calidad con una baja relación señal-ruido (SNR) y las mejores imágenes con una SNR más alta. "Finalmente, la red pudo predecir las imágenes de mayor SNR, incluso dada una entrada de SNR bastante baja", dijo Shroff.
"El aprendizaje profundo permite tomar esta cumbre de hardware como el estándar de oro para la resolución y luego entrenar una red neuronal para lograr resultados similares con datos de SNR mucho más bajos, muchas menos adquisiciones y, por lo tanto, mucha menos dosis de luz para la muestra", dijo La Rivière.
El equipo demostró las capacidades de la plataforma en más de 20 muestras diferentes, fijas y vivas, con estructuras que iban desde menos de 100 nanómetros hasta un milímetro de tamaño. Entre ellas se encontraban distribuciones de proteínas en células individuales, núcleos y neuronas en desarrollo en embriones, larvas y adultos de C. elegans, mioblastos en discos imaginales de alas de Drosophila y tejidos renales, esofágicos, cardíacos y cerebrales de ratón. También ven posibles aplicaciones para la obtención de imágenes de tejidos humanos en los laboratorios de histología y patología.
Shroff, La Rivière y el coautor y biólogo celular Daniel Colón-Ramos, de la Facultad de Medicina de Yale, llevan casi una década colaborando en el MBL para desarrollar tecnologías de obtención de imágenes con mayor velocidad, resolución y duración. Entre los colaboradores de esta plataforma confocal también se encuentra Applied Scientific Instrumentation, una empresa con la que trabajaron tanto en el MBL como en los Institutos Nacionales de Salud.
Yicong Wu, primer autor del artículo, construyó la nueva plataforma confocal y desplegó sus enfoques de Deep Learning. Wu aprendió a utilizar el aprendizaje profundo en el MBL en la versión piloto de un nuevo curso lanzado este año, DL@MBL: Deep Learning for Microscopy Image Analysis. (La Rivière es miembro de la facultad en el curso).
"Es un testimonio del curso que Yicong pudo aprender los métodos de Deep Learning en 4 días e innovar rápidamente con ellos, por lo que ahora podemos aplicarlos en nuestro laboratorio", dijo Shroff. "Es un esquema de retroalimentación corto, ¿verdad? Fue genial que MBL lo catalizara".
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Más noticias del departamento ciencias
Reciba la industria de las ciencias biológicas en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de biotecnología, productos farmacéuticos y ciencias de la vida le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
