Microscope à fluorescence de Suliana Manley à l'EPFL. Crédit :Hillary Sanctuary / EPFL
Imaginez que vous êtes titulaire d'un doctorat. étudiant avec un microscope à fluorescence et un échantillon de bactéries vivantes. Quelle est la meilleure façon d'utiliser ces ressources pour obtenir des observations détaillées de la division bactérienne à partir de l'échantillon ?
Vous pourriez être tenté de renoncer à la nourriture et au repos, de rester assis devant le microscope sans arrêt et d'acquérir des images lorsque la division bactérienne commence enfin. (Cela peut prendre des heures à une bactérie pour se diviser.) Ce n'est pas aussi fou que ça en a l'air, car la détection manuelle et le contrôle de l'acquisition sont répandus dans de nombreuses sciences.
Alternativement, vous pouvez régler le microscope pour prendre des images sans distinction et aussi souvent que possible. Mais une lumière excessive épuise plus rapidement la fluorescence de l'échantillon et peut détruire prématurément les échantillons vivants. De plus, vous généreriez de nombreuses images sans intérêt, car seules quelques-unes contiendraient des images de bactéries en division.
Une autre solution serait d'utiliser l'intelligence artificielle pour détecter les précurseurs de la division bactérienne et de les utiliser pour mettre à jour automatiquement le logiciel de contrôle du microscope afin de prendre plus de photos de l'événement.
Les biophysiciens de l'EPFL ont maintenant trouvé un moyen d'automatiser le contrôle du microscope pour visualiser en détail les événements biologiques tout en limitant le stress sur l'échantillon, le tout à l'aide de réseaux de neurones artificiels. Leur technique fonctionne pour la division cellulaire bactérienne et pour la division mitochondriale. Les détails de leur microscope intelligent sont décrits dans Méthodes de la nature .
"Un microscope intelligent est un peu comme une voiture autonome. Il doit traiter certains types d'informations, des schémas subtils auxquels il réagit ensuite en modifiant son comportement", explique la chercheuse principale Suliana Manley du Laboratoire de biophysique expérimentale de l'EPFL. "En utilisant un réseau de neurones, nous pouvons détecter des événements beaucoup plus subtils et les utiliser pour modifier la vitesse d'acquisition."
Manley et ses collègues ont d'abord résolu comment détecter la division mitochondriale, plus difficile que pour des bactéries telles que C. crescentus. La division mitochondriale est imprévisible, car elle se produit rarement et peut se produire presque n'importe où dans le réseau mitochondrial à tout moment. Mais les scientifiques ont résolu le problème en entraînant le réseau neuronal à rechercher les constrictions mitochondriales, un changement de forme des mitochondries qui conduit à la division, combiné à des observations d'une protéine connue pour être enrichie aux sites de division.
Lorsque les constrictions et les niveaux de protéines sont élevés, le microscope passe en imagerie à grande vitesse pour capturer de nombreuses images d'événements de division en détail. When constriction and protein levels are low, the microscope then switches to low-speed imaging to avoid exposing the sample to excessive light.
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. + Explorer plus loin
