Imagina que eres un Ph.D. estudiante con un microscopio fluorescente y una muestra de bacterias vivas. ¿Cuál es la mejor manera de utilizar estos recursos para obtener observaciones detalladas de la división bacteriana de la muestra?

Puede sentirse tentado a renunciar a la comida y al descanso, a sentarse frente al microscopio sin parar y adquirir imágenes cuando finalmente comience la división bacteriana. (Una bacteria puede tardar horas en dividirse). No es tan loco como parece, ya que la detección manual y el control de adquisición están muy extendidos en muchas de las ciencias.

Alternativamente, puede configurar el microscopio para que tome imágenes indiscriminadamente y con la mayor frecuencia posible. Pero el exceso de luz agota la fluorescencia de la muestra más rápido y puede destruir prematuramente las muestras vivas. Además, generaría muchas imágenes poco interesantes, ya que solo unas pocas contendrían imágenes de bacterias en división.

Otra solución sería usar inteligencia artificial para detectar precursores de la división bacteriana y usarlos para actualizar automáticamente el software de control del microscopio para tomar más fotografías del evento.

Los biofísicos de EPFL ahora han encontrado una manera de automatizar el control del microscopio para obtener imágenes de eventos biológicos en detalle mientras limitan el estrés en la muestra, todo con la ayuda de redes neuronales artificiales. Su técnica funciona para la división celular bacteriana y para la división mitocondrial. Los detalles de su microscopio inteligente se describen en Nature Methods .

"Un microscopio inteligente es como un automóvil autónomo. Necesita procesar ciertos tipos de información, patrones sutiles a los que luego responde cambiando su comportamiento", explica la investigadora principal Suliana Manley del Laboratorio de Biofísica Experimental de la EPFL. "Al usar una red neuronal, podemos detectar eventos mucho más sutiles y usarlos para generar cambios en la velocidad de adquisición".

Manley y sus colegas primero resolvieron cómo detectar la división mitocondrial, más difícil que para bacterias como C. crescentus. La división mitocondrial es impredecible, ya que ocurre con poca frecuencia y puede ocurrir en casi cualquier lugar dentro de la red mitocondrial en cualquier momento. Pero los científicos resolvieron el problema entrenando la red neuronal para detectar constricciones mitocondriales, un cambio en la forma de las mitocondrias que conduce a la división, combinado con observaciones de una proteína que se sabe que está enriquecida en los sitios de división.

Cuando tanto las constricciones como los niveles de proteínas son altos, el microscopio cambia a imágenes de alta velocidad para capturar muchas imágenes de eventos de división en detalle. Cuando la constricción y los niveles de proteína son bajos, el microscopio cambia a imágenes de baja velocidad para evitar exponer la muestra a una luz excesiva.

With this intelligent fluorescent microscope, the scientists showed that they could observe the sample for longer compared to standard fast imaging. While the sample was more stressed compared to standard slow imaging, they were able to obtain more meaningful data.

"The potential of intelligent microscopy includes measuring what standard acquisitions would miss," Manley explains. "We capture more events, measure smaller constrictions, and can follow each division in greater detail."

The scientists are making the control framework available as an open source plug-in for the open microscope software Micro-Manager, with the aim of allowing other scientists to integrate artificial intelligence into their own microscopes. + Explora más

How mitochondria make the cut:When and where the powerhouse of the cell divides