Investigadores de la Universidad de Illinois Urbana Champaign han desarrollado una nueva técnica que combina imágenes sin etiquetas con inteligencia artificial para visualizar células vivas no etiquetadas durante un tiempo prolongado. Esta técnica tiene aplicaciones potenciales en el estudio de la patología y viabilidad celular.

El estudio "Imágenes de fase con especificidad computacional (PICS) para medir cambios de masa seca en compartimentos subcelulares" se publicó en Comunicaciones de la naturaleza .

"Nuestro laboratorio se especializa en imágenes sin etiquetas, que nos permite visualizar las células sin utilizar productos químicos tóxicos, "dijo Gabriel Popescu, profesor de ingeniería eléctrica e informática y director del Laboratorio de Imágenes de Luz Cuantitativa en el Instituto Beckman de Ciencia y Tecnología Avanzadas. "Sin embargo, no podemos medir atributos específicos de la célula sin usar tintes fluorescentes tóxicos. Hemos resuelto ese problema en este estudio ".

"Teníamos la idea de que los métodos computacionales podrían estimar cómo se vería la muestra sin realmente matar las células". "dijo Mikhail Kandel, estudiante de posgrado en el grupo Popescu.

Los investigadores primero tomaron imágenes de las células durante varios días utilizando su técnica no destructiva sin etiquetas. Al final del experimento, tiñeron las muestras y utilizaron el aprendizaje profundo, que es un subconjunto del aprendizaje automático, para saber dónde se ubicarían los tintes fluorescentes. "Esto nos permitió estimar la mancha en nuestras películas iniciales sin realmente teñir las células, "Kandel dijo.

"Aunque la IA se ha utilizado en el pasado para crear un tipo de imagen a partir de un tipo diferente de tinción, pudimos programarlo para analizar las imágenes en tiempo real, ", Dijo Popescu." Usando el aprendizaje profundo, pudimos ver las células que nunca habían sido etiquetadas con ningún tinte, y el algoritmo pudo localizar con precisión diferentes partes de la celda ".

"Otra ventaja de la técnica es que podemos realizar experimentos durante varios días. Las células permanecen vivas incluso después de más de una semana, "dijo Yuchen He, estudiante de posgrado en el grupo Popescu. "Esto no se puede hacer con tintes fluorescentes, ya que la toxicidad química podría matar las células".

"Este estudio destacó el potencial de las técnicas basadas en IA para aprender modelos complicados como la concentración de tintes específicos, que va más allá de las capacidades del ojo humano, "Kandel dijo." Cuanto más podamos enseñar nuestro método para reconocer patrones, se pueden realizar más tipos de experimentos sin tener que recurrir a matar las células ".

Los investigadores ahora están tratando de adaptar algoritmos de aprendizaje profundo en diferentes líneas celulares y muestras biológicas. "El entrenamiento de modelos de aprendizaje profundo requiere una gran cantidad de datos porque queremos asegurarnos de que funcionen bien en diferentes escenarios. Afortunadamente, Nuestros instrumentos de imagen nos facilitan la generación de los datos de entrenamiento necesarios de manera eficiente. " Él dijo.

"Estos algoritmos de aprendizaje profundo se pueden utilizar para varias aplicaciones, ", Dijo Popescu." Podemos evaluar la viabilidad celular durante mucho tiempo sin etiquetar las células, podemos diferenciar entre diferentes tipos de células en enfermedades, y podemos estudiar diferentes procesos celulares ".