Onderzoekers van de Urbana Champaign van de Universiteit van Illinois hebben een nieuwe techniek ontwikkeld die labelvrije beeldvorming combineert met kunstmatige intelligentie om ongelabelde levende cellen gedurende een langere tijd te visualiseren. Deze techniek heeft potentiële toepassingen bij het bestuderen van de levensvatbaarheid en pathologie van cellen.

De studie "Phase imaging with computational specificity (PICS) for measurement dry mass changes in sub-cellulaire compartimenten" werd gepubliceerd in Natuurcommunicatie .

"Ons lab is gespecialiseerd in labelloze beeldvorming, waardoor we cellen kunnen visualiseren zonder giftige chemicaliën te gebruiken, " zei Gabriël Popescu, een professor in elektrische en computertechniek en de directeur van het Quantitative Light Imaging Laboratory van het Beckman Institute for Advanced Science and Technology. "Echter, we kunnen specifieke eigenschappen van de cel niet meten zonder giftige fluorescerende kleurstoffen te gebruiken. Dat probleem hebben we in dit onderzoek opgelost."

"We hadden het idee dat computationele methoden konden inschatten hoe het monster eruit zou zien zonder de cellen daadwerkelijk te doden, " zei Michail Kandel, een afgestudeerde student in de Popescu-groep.

De onderzoekers hebben de cellen eerst gedurende meerdere dagen in beeld gebracht met behulp van hun niet-destructieve labelvrije techniek. Aan het einde van het experiment, ze kleurden de monsters en gebruikten deep learning, wat een subset is van machine learning, om te leren waar de fluorescentiekleurstoffen zich zouden bevinden. "Hierdoor konden we de vlek in onze eerste films schatten zonder de cellen daadwerkelijk te kleuren, ' zei Kandel.

"Hoewel AI in het verleden is gebruikt om één type beeldvorming te maken van een ander type kleuring, we konden het programmeren om de beelden in realtime te analyseren, "Zei Popescu. "Door gebruik te maken van deep learning, we konden naar cellen kijken die nog nooit met een kleurstof waren gemerkt, en het algoritme was in staat om verschillende delen van de cel nauwkeurig te lokaliseren."

"Een ander voordeel van de techniek is dat we experimenten kunnen uitvoeren over een periode van vele dagen. De cellen blijven zelfs na meer dan een week in leven, " zei Yuchen He, een afgestudeerde student in de Popescu-groep. "Dit kan niet worden gedaan met fluorescerende kleurstoffen, omdat de chemische toxiciteit de cellen zou kunnen doden."

"Deze studie benadrukte het potentieel van op AI gebaseerde technieken om gecompliceerde modellen te leren, zoals de concentratie van specifieke kleurstoffen, die verder gaat dan de mogelijkheden van het blote oog, "Zei Kandel. "Hoe meer we onze methode kunnen leren om patronen te herkennen, hoe meer soorten experimenten kunnen worden uitgevoerd zonder toevlucht te nemen tot het doden van de cellen."

De onderzoekers proberen nu deep learning-algoritmen aan te passen aan verschillende cellijnen en biologische monsters. "Het trainen van deep learning-modellen vereist een grote hoeveelheid data, omdat we ervoor willen zorgen dat ze goed werken in verschillende scenario's. Gelukkig onze beeldvormingsinstrumenten maken het ons gemakkelijk om de benodigde trainingsgegevens op een efficiënte manier te genereren, " Hij zei.

"Deze deep learning-algoritmen kunnen voor verschillende toepassingen worden gebruikt, " zei Popescu. "We kunnen de levensvatbaarheid van cellen over een lange tijd beoordelen zonder de cellen te labelen, we kunnen onderscheid maken tussen verschillende celtypes bij ziekten, en we kunnen verschillende cellulaire processen bestuderen."