A mélytanulási szoftver segít azonosítani az apró baktériumokat a mikroszkópos képeken

A mélytanulási szoftver segít azonosítani az apró baktériumokat a mikroszkópos képeken

Az Omnipose, egy mélytanulási szoftver segít megoldani a különféle és apró baktériumok mikroszkópos felvételeken történő azonosításának kihívását. Ezen a kezdeti célon túlmenően számos más típusú apró objektum azonosítása is sikerült mikroszkópos felvételeken.

Joseph Mougous UW Medicine Microbiology Laboratory és Paul A. Wiggins Washingtoni Egyetem Fizikai és Biomérnöki Laboratóriuma tesztelte az eszközt. Kevin J. Cutler fizikus hallgató és csapata fejlesztette ki a Washingtoni Egyetemen.

Mougous elmondta, hogy fizikus hallgatóként Cutler "szokatlan érdeklődést mutatott a biológiában való elmélyülés iránt, hogy első kézből tanulhasson meg a terepen megoldandó problémákat. Eljött a laboromba, és gyorsan talált egyet." Ezt látványos módon oldotta meg.”

Eredményeikről a Nature Methods október 17-i számában számolnak be.

A tudósok azt találták, hogy az Omnipose, amely a baktériumképek nagy adatbázisán alapult, jól teljesített a vegyes mikrobakultúrákban található számtalan baktérium jellemzésében és számszerűsítésében, és kiküszöbölte azokat a hibákat, amelyek elődje, a Cellpose esetében előfordulhatnak.

Ezenkívül a szoftvert nem téveszthette meg könnyen az antibiotikum-kezelés miatti szélsőséges sejtalakváltozások vagy az interbakteriális agresszióból eredő vegyszerek antagonizmusa. Valójában a program kimutatta, hogy akár sejtmérgezést is képes kimutatni egy E. coli-val végzett kísérlet során.

Ezenkívül az Omnipose jól le tudta küzdeni a különböző baktériumok eltérő optikai tulajdonságaiból adódó észlelési problémákat.

A legtöbb baktérium gömb vagy rúd alakú, de némelyiknek más alapformája is van, például: B. csavart spirálok. Ezenkívül az Omnipose képes azonosítani a bonyolultabb, megnyúlt alakú vagy ágakkal, szálakkal és függelékekkel rendelkező baktériumokat – mindezt olyan fizikai jellemzők, amelyek megnehezíthetik a mélytanulási eszközök számára, hogy kiderítsék, mely baktériumok vannak jelen a képen.

A programnak továbbra is vannak bizonyos korlátai az objektumok átfedésének kezelésében egy zsúfolt mikrobiális közösség 3D-s mintájának 2D-s megjelenítésénél. Például az átfedő tárgyak egy óra hatását keltik a falon, ami a fotón úgy tűnik, mintha az ember fejéből pattanna ki.

A gyorsan növő A. thaliana gyomnövény gyökérprimordiális adatkészletében lévő sejtek elemzésekor az Omnipose továbbra is bizonyos előnyöket mutatott a korábbi megközelítésekhez képest ebben a 3D-s mintában.

A Mougous laboratóriumi csoport más, az Omnipose képességeivel kapcsolatos kutatása azt mutatta, hogy egy bizonyos mérethatár alatti baktériumokat nehéz lehet az eszköz számára észlelni.

E hátrányok ellenére a kutatók úgy vélik, hogy az Omnipose megoldás lehet arra, hogy „segítsen megválaszolni a bakteriális sejtbiológia különböző kérdéseit”.

Hogy kiderüljön, lehet-e multifunkcionális eszköz más biológiai vagy akár nem élettudományi területeken is, amelyek a mikroszkópos vizsgálattól függenek, a tudósok a programot az ultrakicsi C. elegans orsóféreg, a genetikai, idegtudományi, fejlődési és mikrobiális viselkedéskutatásban fontos élőlény mikroszkópos felvételein tesztelték. Mint néhány baktérium, ez a lény is hosszúkás alakú. Sok más féreghez hasonlóan ez is csavarodhat. Az Omnipose képes volt kimutatni a C. elegans-t a különféle nyúlásoktól, összehúzódásoktól és egyéb mozgásoktól függetlenül. Ez a képesség hasznos lehet például a C. elegans mozgásának idegrendszeri vizsgálataiban a time-lapse követés során.

Az Omnipose-hoz hasonló eszközök fejlesztése során a kutatók egy pixel pontosságú léptékre törekednek a cella határainak meghatározására. Ennek az az oka, hogy a legtöbb baktérium sejttestről készült kép csak néhány képpontból áll. A kutatók elmagyarázták, hogy a képen belüli határok meghatározását szegmentációnak nevezik. Kifejlesztették az Ominpose-t egy nagy pontosságú mély neurális hálózat szegmentáló algoritmussal. Kísérleteik azt mutatták, hogy az Omnipose példátlan szegmentációs pontossággal rendelkezik.

A tudósok az Omnipose-t tipikus kutatólaboratóriumokban való használatra tervezték, és nyilvánosan elérhetővé tették a forráskódot, a képzési adatokat és modelleket, valamint a program használatára vonatkozó dokumentációt.

„Feltételezésünk szerint az Omnipose különféle sejtmorfológiákban és módozatokban nyújtott nagy teljesítménye olyan információkat szabadíthat fel a mikroszkópos képekről, amelyek korábban nem voltak hozzáférhetők” – írják jelentésükben a kutatók.

Tekintettel a probléma fontosságára, ez egy zsúfolt mezőny. De Kevin megoldása kiemelkedik a tömegből. Úgy gondoljuk, hogy alapvetően megváltoztatja a biológiai képelemzést.”

Joseph Mougous, az UW Medicine

Cutler, Wiggins és Mougous mellett az Omnipose tesztprojekt további kutatói Carsen Stringer, Teresa W. Lo, Luca Rappez és Nicholas Stroustrup voltak. S. Brooke Peterson és Paul Wiggins. Mougous a Howard Hughes Medical Institute kutatója.

Forrás:

A Washingtoni Egyetem Orvostudományi Kara/UW Medicine

Referencia:

Cutler, K. J. és mtsai. (2022) Omnipose: nagy pontosságú, morfológiától független megoldás a baktériumsejtek szegmentálására. Természetes módszerek. doi.org/10.1038/s41592-022-01639-4.

.