يساعد برنامج التعلم العميق في التعرف على البكتيريا الصغيرة في الصور المجهرية

يساعد برنامج التعلم العميق في التعرف على البكتيريا الصغيرة في الصور المجهرية

يساعد برنامج Omnipose، وهو برنامج للتعلم العميق، في حل التحدي المتمثل في تحديد البكتيريا المتنوعة والصغيرة في الصور المجهرية. وبعيدًا عن هذا الهدف الأولي، تم تحديد عدة أنواع أخرى من الأجسام الصغيرة في الصور المجهرية.

قام مختبر علم الأحياء الدقيقة للطب التابع لجوزيف موجوس ومختبر الفيزياء والهندسة الحيوية بجامعة واشنطن بول أ. ويجينز باختبار الأداة. تم تطويره من قبل طالب الفيزياء كيفن ج. كاتلر وفريقه في جامعة واشنطن.

قال موجوس إن كاتلر، بصفته طالبًا في الفيزياء، "أظهر اهتمامًا غير عادي بالتعمق في علم الأحياء ليتعلم بشكل مباشر عن المشكلات التي تحتاج إلى حل في هذا المجال. لقد جاء إلى مختبري وسرعان ما وجد واحدًا". لقد حل هذه المشكلة بطريقة مذهلة."

تم نشر النتائج التي توصلوا إليها في عدد 17 أكتوبر من مجلة Nature Methods.

ووجد العلماء أن Omnipose، الذي تم تدريبه على قاعدة بيانات كبيرة من الصور البكتيرية، كان أداؤه جيدًا في توصيف وقياس عدد لا يحصى من البكتيريا في الثقافات الميكروبية المختلطة، وأزال بعض الأخطاء التي يمكن أن تحدث مع سابقته، Cellpose.

بالإضافة إلى ذلك، لم يكن من السهل خداع البرنامج بالتغيرات الشديدة في شكل الخلية بسبب العلاج بالمضادات الحيوية أو العداء بالمواد الكيميائية الناتجة عن العدوان بين البكتيريا. في الواقع، أظهر البرنامج أنه يمكنه اكتشاف تسمم الخلايا في تجربة على الإشريكية القولونية.

بالإضافة إلى ذلك، كان Omnipose قادرًا على التغلب على مشاكل الاكتشاف بشكل جيد بسبب الخصائص البصرية المختلفة للبكتيريا المختلفة.

معظم البكتيريا لها شكل كروي أو قضبان، ولكن بعضها له أشكال أساسية أخرى، مثل: ب. الحلزونات الملتوية. بالإضافة إلى ذلك، يمكن لـ Omnipose التعرف على البكتيريا الأكثر تعقيدًا ذات الأشكال الطويلة أو ذات الفروع والخيوط والزوائد - وكلها سمات فيزيائية يمكن أن تجعل من الصعب على أدوات التعلم العميق معرفة البكتيريا الموجودة في الصورة.

لا يزال البرنامج يعاني من بعض القيود في التعامل مع تداخل الكائنات في عرض ثنائي الأبعاد لعينة ثلاثية الأبعاد لمجتمع ميكروبي مزدحم. على سبيل المثال، تؤدي الكائنات المتداخلة إلى إنشاء تأثير الساعة على الحائط، والذي يظهر في الصورة كما لو أنها تخرج من رأس الشخص.

عند تحليل الخلايا في مجموعة البيانات الأولية الجذرية للأعشاب سريعة النمو A. thaliana، لا يزال Omnipose يظهر بعض المزايا مقارنة بالطرق السابقة في هذه العينة ثلاثية الأبعاد.

وأظهرت أبحاث أخرى أجراها فريق مختبر Mougous حول قدرات Omnipose أن البكتيريا التي يقل حجمها عن حد معين قد يكون من الصعب على الأداة اكتشافها.

وعلى الرغم من هذه العيوب، يعتقد الباحثون أن Omnipose يمكن أن يكون حلاً "للمساعدة في الإجابة على أسئلة متنوعة في بيولوجيا الخلايا البكتيرية".

ولمعرفة ما إذا كان يمكن أن يصبح أيضًا أداة متعددة الوظائف في مجالات العلوم البيولوجية أو حتى غير المتعلقة بالحياة التي تعتمد على الفحص المجهري، اختبر العلماء البرنامج على صور مجهرية للدودة المستديرة فائقة الصغر C. elegans، وهي كائن حي مهم في علم الوراثة، وعلم الأعصاب، والأبحاث السلوكية التنموية والميكروبية. مثل بعض البكتيريا، هذا المخلوق له شكل ممدود. مثل العديد من الديدان الأخرى، يمكن أن تلتوي. كان Omnipose قادرًا على اكتشاف C. elegans بشكل مستقل عن امتداداته وانقباضاته وحركاته الأخرى. يمكن أن تكون هذه القدرة مفيدة، على سبيل المثال، في الدراسات العصبية لحركة C. elegans أثناء تتبع الفاصل الزمني.

عند تطوير أدوات مثل Omnipose، يهدف الباحثون إلى الحصول على مقياس بدقة بكسل واحد لتحديد حدود الخلية. وذلك لأن معظم صور أجسام الخلايا البكتيرية تتكون من عدد قليل من البكسلات فقط. وأوضح الباحثون أن تحديد الحدود داخل الصورة يسمى التجزئة. لقد طوروا Ominpose باستخدام خوارزمية تجزئة الشبكة العصبية العميقة عالية الدقة. أظهرت تجاربهم أن Omnipose يتمتع بدقة تجزئة غير مسبوقة.

قام العلماء بتصميم Omnipose للاستخدام في مختبرات الأبحاث النموذجية وجعلوا الكود المصدري وبيانات التدريب والنماذج، بالإضافة إلى الوثائق حول كيفية استخدام البرنامج متاحة للجمهور.

وكتب الباحثون في تقريرهم: "نحن نفترض أن الأداء العالي لـ Omnipose عبر الأشكال والطرائق الخلوية المتنوعة يمكن أن يفتح المعلومات من الصور المجهرية التي لم يكن من الممكن الوصول إليها في السابق".

ونظراً لأهمية المشكلة، فإن هذا المجال مزدحم. لكن الحل الذي قدمه كيفن يبرز بين الجميع. ونحن نعتقد أنه سيغير بشكل جذري تحليل الصور البيولوجية.

جوزيف موغوس، الطب بجامعة ويسكونسن

بالإضافة إلى كاتلر، ويغينز وموجوس، كان هناك باحثون آخرون في مشروع اختبار أومنيبوس وهم كارسن سترينجر، وتيريزا دبليو لو، ولوكا رابيز، ونيكولاس ستروستروب. إس بروك بيترسون وبول ويجينز. موجوس هو باحث في معهد هوارد هيوز الطبي.

مصدر:

كلية الطب بجامعة واشنطن / الطب بجامعة ويسكونسن

مرجع:

كاتلر، KJ، وآخرون. (2022) Omnipose: حل عالي الدقة مستقل عن التشكل لتجزئة الخلايا البكتيرية. الطرق الطبيعية. doi.org/10.1038/s41592-022-01639-4.

.