Los científicos de la Universidad de Carolina del Norte en Chapel Hill han creado un nuevo método de seguimiento de partículas basado en el aprendizaje automático que es mucho más preciso y proporciona una mejor automatización que las técnicas actualmente en uso.

El seguimiento de una sola partícula implica el seguimiento del movimiento de partículas individuales, como virus, células y nanopartículas cargadas de fármacos, dentro de fluidos y muestras biológicas. La técnica se utiliza ampliamente tanto en ciencias físicas como biológicas. El equipo de UNC-Chapel Hill que desarrolló el nuevo método de seguimiento utiliza el seguimiento de partículas para desarrollar nuevas formas de tratar y prevenir enfermedades infecciosas. Examinan las interacciones moleculares entre anticuerpos y biopolímeros y caracterizan y diseñan portadores de fármacos de tamaño nanométrico. Su trabajo se publica en el Actas de la Academia Nacional de Científicos .

"Para obtener significado de los videos, tienes que convertir los videos en datos cuantitativos, "dijo Sam Lai, Doctor., profesor asociado de la Facultad de Farmacia UNC Eshelman y uno de los creadores del nuevo rastreador. "Con el software actual, los investigadores deben supervisar cuidadosamente la conversión de video para garantizar la precisión. A menudo, esto lleva de varias semanas a meses, y limitar en gran medida tanto el rendimiento como la precisión.

"Nos cansamos del cuello de botella".

La raíz del problema puede rastrearse hasta el pequeño número de parámetros, como el tamaño de las partículas, brillo y forma, utilizado por el software actual para identificar la gama completa de partículas presentes en cualquier video. Las cosas se pierden porque no se ajustan bien a los parámetros, y los parámetros varían según los diferentes operadores los establecen, Alison Schaefer, un doctorado estudiante en el laboratorio de Lai, dijo. Esto crea un tremendo desafío con la reproducibilidad de los datos, ya que dos usuarios que analizan el mismo vídeo obtienen con frecuencia resultados diferentes.

"Los coches autónomos funcionan porque pueden ver y realizar un seguimiento de muchos objetos diferentes a su alrededor en tiempo real, "dijo M. Gregory Forest, Doctor., el Profesor Distinguido Grant Dahlstrom en los Departamentos de Matemáticas y Ciencias Físicas Aplicadas de la UNC, y coautor principal del proyecto.

"Nos preguntamos si podríamos crear una versión de ese tipo de inteligencia artificial que pudiera rastrear miles de partículas a nanoescala a la vez y hacerlo automáticamente".

Como resulta, pudieron y utilizaron su descubrimiento para lanzar soluciones de seguimiento de inteligencia artificial basadas en Chapel Hill, que busca comercializar la nueva tecnología. La compañía ha recibido un premio de Transferencia de Tecnología para Pequeñas Empresas de los Institutos Nacionales de Salud para comercializar la tecnología.

Lai y sus colaboradores en el Departamento de Matemáticas de la UNC diseñaron una red neuronal artificial para trabajar en su problema. Las redes neuronales se basan libremente en el cerebro humano, pero aprenden alimentándose con una gran cantidad de ejemplos. Por ejemplo, si una red neuronal necesita reconocer fotos de perros, se muestran muchas fotos de perros. No necesita saber cómo es un perro; lo averiguará a partir de los elementos comunes de las fotografías. Cuanto mejores sean los ejemplos, mejor será la red neuronal.

El equipo de UNC primero enseñó al rastreador de redes neuronales a partir de un conjunto de datos reales generados por computadora. Luego refinaron aún más el rastreador utilizando datos de alta calidad de experimentos anteriores realizados en el laboratorio de Lai. El resultado fue un nuevo rastreador con miles de parámetros bien ajustados que pueden procesar una gama muy diversa de videos de forma totalmente automática. es al menos 10 veces más preciso que los sistemas actualmente en uso, es altamente escalable, y posee una perfecta reproducibilidad, Dijo Lai. El equipo documentó su logro en las Actas de la Academia Nacional de Ciencias.

El nuevo sistema está listo justo a tiempo para admitir la creciente disponibilidad de potentes microscopios capaces de recopilar terabytes de video 2-D y 3-D de alta resolución en un solo día. dijo Jay Newby, Doctor., autor principal del estudio y profesor asistente en la Universidad de Alberta.

"El seguimiento del movimiento de partículas a escala nanométrica es fundamental para comprender cómo los patógenos rompen las barreras de las mucosas y para el diseño de nuevas terapias farmacológicas, ", Dijo Newby." Nuestro avance proporciona, primero y ante todo, Automatización sustancialmente mejorada. Adicionalmente, nuestro método mejora enormemente la precisión en comparación con los métodos actuales y la reproducibilidad entre usuarios y laboratorios ".