Zowel baby's in ontwikkeling als oudere volwassenen hebben een gemeenschappelijk kenmerk:de vele cellen waaruit hun lichaam bestaat, zijn altijd in beweging. Terwijl wij mensen pendelen naar het werk, cellen migreren door het lichaam om hun werk gedaan te krijgen. Biologen hebben lang geworsteld om de beweging en veranderende morfologie van cellen door de tijd heen te kwantificeren, maar nu, wetenschappers van de Okinawa Institute of Science and Technology Graduate University (OIST) hebben een elegant hulpmiddel bedacht om precies dat te doen.

Met behulp van machinaal leren, de onderzoekers ontwierpen software om microscopisch kleine snapshots van migrerende cellen te analyseren. Ze noemden de software Usiigaci, een Ryukyuan-woord dat verwijst naar het overtrekken van de contouren van objecten, omdat de innovatieve tool de veranderende contouren van individuele cellen detecteert. Usiigac, beschreven in een paper gepubliceerd op 13 maart, 2019 in SoftwareX , is nu online beschikbaar voor iedereen om te gebruiken, samen met een video-tutorial waarin de software wordt uitgelegd.

In de baarmoeder, de cellen van een baby migreren naar precieze locaties zodat elke arm, been, en orgel groeit op zijn juiste plaats. Onze immuuncellen racen door het lichaam om wonden te helen na een verwonding. Kankercellen metastaseren door door het lichaam te reizen, tumoren verspreiden naar nieuwe weefsels. Om de werkzaamheid van nieuwe medicijnen te testen, medicijnontwikkelaars volgen de beweging van cellen voor en na de behandeling. De Usiigaci-software vindt toepassingen in al deze studiegebieden en meer.

"Dit is een alles-in-één oplossing om ons van onbewerkte afbeeldingen naar kwantitatieve gegevens over celmigratie te brengen, " zei Hsieh-Fu Tsai, eerste auteur van de studie. Tsai is een afgestudeerde student en een Japan Society for the Promotion of Science (JSPS) DC1 research fellow in de OIST Micro/Bio/Nanofluidics Unit, onder leiding van prof. Amy Shen. "Onze software is minstens 100 keer sneller dan handmatige methoden, die momenteel de gouden standaard zijn voor dit soort experimenten omdat computers nog niet krachtig genoeg zijn."

"We hopen dat deze software heel nuttig kan worden voor de wetenschappelijke gemeenschap, " zei prof. Amy Shen, hoofdonderzoeker van de eenheid en senior auteur van de studie. "Voor elke biologische studie of screening van geneesmiddelen waarbij u cellulaire reacties op verschillende stimuli moet volgen, u kunt deze software gebruiken."

Machine learning maakt Usiigaci aanpasbaar

Om cellen onder de microscoop waar te nemen, wetenschappers steken ze vaak in kleurstof of tweaken hun genen om ze te laten gloeien in oogverblindende kleuren. Maar kleurende cellen veranderen hun beweging, wat op zijn beurt de experimentele resultaten vertekent. Sommige wetenschappers proberen celmigratie te bestuderen zonder de hulp van fluorescerende tags, met behulp van zogenaamde "labelvrije" methoden, maar loop uiteindelijk tegen een ander probleem aan; Etiketvrije cellen versmelten met de achtergrond van microscopische afbeeldingen, waardoor ze ongelooflijk moeilijk te analyseren zijn met bestaande computersoftware.

Usiigaci overwint deze hindernis door wetenschappers in staat te stellen de software in de loop van de tijd te trainen. Biologen treden op als leraren, de software voorzien van nieuwe beelden om te bestuderen, zodat het de ene cel van de andere kan herkennen. Een snelle leerling, het programma past zich snel aan nieuwe gegevenssets aan en kan gemakkelijk de beweging van afzonderlijke cellen volgen, zelfs als ze opeengepakt zitten als forenzen in de metro van Tokio.

"De meeste software... kan cellen met een hoge dichtheid niet van elkaar onderscheiden; ze segmenteren in een glob, "zei Tsai. "Met onze software, we kunnen correct segmenteren, zelfs als cellen elkaar raken. We kunnen eigenlijk het hele experiment single-cell tracking doen." Usiigaci is momenteel de snelste software die in staat is om de beweging van labelvrije cellen te volgen met een resolutie van één cel op een persoonlijke laptop.

Software bootst het menselijk brein na

De onderzoekers ontwierpen Usiigaci om beelden te verwerken alsof het een vereenvoudigd menselijk brein is. De strategie stelt de software in staat om de contouren van individuele cellen te traceren, monitor hun beweging van moment tot moment, en zet die informatie om in kraakbare getallen.

Het programma is gebouwd rond een machine learning-infrastructuur die bekend staat als een 'convolutioneel neuraal netwerk'. ruwweg gebaseerd op hoe hersencellen samenwerken om binnenkomende informatie van de buitenwereld te verwerken. Wanneer onze ogen licht uit de omgeving opvangen, ze doen een beroep op neuronen om die signalen te analyseren en erachter te komen waar we naar kijken en waar het zich in de ruimte bevindt. De neuronen schetsen eerst de scène in grote lijnen en geven de informatie vervolgens door aan de volgende reeks cellen, het beeld geleidelijk in meer en meer detail weergeven. Neurale netwerken werken op dezelfde manier, behalve dat elk "neuron" een verzameling code is in plaats van een fysieke cel.

Dit ontwerp verleent Usiigaci zijn nauwkeurigheid en aanpassingsvermogen. Ergens naar uitkijken, de onderzoekers willen neurale netwerken ontwikkelen om verschillende componenten in cellen te identificeren, in plaats van alleen hun contouren. Met dit gereedschap in de hand, wetenschappers konden gemakkelijk beoordelen of een cel gezond of ziek is, jong of oud, afgeleid van een of andere genetische afstamming. Net als Usiigac, deze programma's zouden bruikbaar zijn in de fundamentele biologie, biotechnologisch onderzoek en daarbuiten.