• Home
  • Chimie
  • Astronomie
  • Énergie
  • La nature
  • Biologie
  • Physique
  • Électronique
  •  science >> Science >  >> Chimie
    L'apprentissage en profondeur permet une détection et une classification précoces des bactéries vivantes à l'aide de l'holographie

    Détection précoce et classification des bactéries vivantes basées sur l'apprentissage profond. une, Schéma de l'appareil. b, Image de la plaque entière des colonies d'E. coli et de K. aerogenes. c, Exemples d'images des colonies bactériennes individuelles en croissance détectées par un réseau de neurones profonds entraîné. Les moments de détection et de classification des colonies en croissance sont annotés par des flèches bleues. La barre d'échelle est de 0,1 mm. Crédit:UCLA Engineering Institute for Technology Advancement

    Les maladies d'origine hydrique touchent plus de 2 milliards de personnes dans le monde, occasionnant un fardeau économique considérable. Par exemple, le traitement des maladies d'origine hydrique coûte plus de 2 milliards de dollars par an rien qu'aux États-Unis, avec 90 millions de cas enregistrés par an. Parmi les problèmes liés aux agents pathogènes d'origine hydrique, l'un des problèmes de santé publique les plus courants est la présence de bactéries coliformes totales et Escherichia coli ( E. coli ) dans l'eau potable, ce qui indique une contamination fécale. Les méthodes traditionnelles de détection des bactéries basées sur la culture prennent souvent de 24 à 48 heures, suivi d'une inspection visuelle et d'un comptage des colonies par un expert, selon les directives de l'Environmental Protection Agency (EPA) des États-Unis. Alternativement, méthodes de détection moléculaire basées sur, par exemple, l'amplification des acides nucléiques, peut réduire le temps de détection à quelques heures, mais ils manquent généralement de sensibilité pour détecter les bactéries à de très faibles concentrations, et ne sont pas capables de faire la différence entre les micro-organismes vivants et morts. Par ailleurs, il n'existe aucune méthode basée sur les acides nucléiques approuvée par l'EPA pour détecter les bactéries coliformes dans les échantillons d'eau.

    Par conséquent, il existe un besoin urgent d'une méthode automatisée capable d'obtenir une détection rapide et à haut débit des colonies bactériennes avec une sensibilité élevée pour fournir une alternative puissante aux méthodes de référence approuvées par l'EPA actuellement disponibles qui prennent au moins 24 heures et nécessitent un expert pour comptage des colonies.

    Dans un nouvel article publié dans Lumière :science et applications , une équipe de scientifiques, dirigé par le professeur Aydogan Ozcan du département de génie électrique et informatique de l'Université de Californie, Los Angeles (UCLA), NOUS., et des collègues ont développé un système d'imagerie intelligent alimenté par l'IA pour la détection précoce et la classification des bactéries vivantes dans les échantillons d'eau. Basé sur l'holographie, ils ont conçu un système d'imagerie très sensible et à haut débit, qui capture en continu des images microscopiques d'une plaque de culture entière, où les bactéries se développent, détecter rapidement la croissance des colonies en analysant ces images en accéléré avec un réseau de neurones profond. Suite à la détection de chaque croissance de colonie, un deuxième réseau de neurones est utilisé pour classer le type de bactéries.

    L'efficacité de cette plateforme unique a été démontrée en effectuant une détection et une classification précoces de trois types de bactéries, c'est à dire., E. coli , Klebsiella aerogenes ( K. aerogenes ), et Klebsiella pneumoniae ( K. pneumoniae ), et les chercheurs de l'UCLA ont atteint une limite de détection de 1 bactérie formant colonie pour 1 litre d'échantillon d'eau en moins de 9 heures de temps de test total, démontrant un gain de temps de plus de 12 heures pour la détection des bactéries par rapport aux méthodes EPA de référence. Ces résultats mettent en évidence le potentiel de transformation de cette plate-forme d'imagerie holographique alimentée par l'IA, qui permet non seulement très sensible, détection rapide et économique des bactéries vivantes, mais fournit également un outil puissant et polyvalent pour la recherche en microbiologie.


    © Science http://fr.scienceaq.com