Une nouvelle méthode de réseau neuronal améliore les mesures de distance microscopiques entre les points colorés en trois dimensions
Système optique et apprentissage de bout en bout de la PSF. (A) Schéma de formation : 2 émetteurs de couleurs différentes à des positions aléatoires en 3D sont introduits dans la couche physique pour générer une image. La phase au plan du masque est modifiée par un masque chromatiquement dépendant, affectant différemment la PSF de chaque couleur, en fonction de la tension SLM. L’image résultante est introduite dans le réseau de reconstruction qui produit une distance scalaire. La perte entre la sortie et la vraie distance est utilisée pour l’optimisation conjointe des paramètres du réseau et du modèle de tension SLM. (B) Schéma du système 4f utilisé pour l’ingénierie PSF. (C) Simulation de la PSF apprise de 2 couleurs (après modification manuelle et réapprentissage ; voir Matériels et Méthodes) en fonction de la position axiale de l’émetteur par rapport au plan focal nominal (NFP). Barre d’échelle, 1 μm. AU, unités arbitraires. Crédit: Informatique intelligente (2022). DOI : 10.34133/icomputing.0004
La microscopie à fluorescence est une technique largement utilisée dans les sciences de la vie qui permet aux scientifiques de voir des parties spécifiques des cellules et des tissus en les marquant avec des molécules incandescentes, aidant à l’étude de la structure et du mouvement des cellules, du comportement des molécules et des effets des médicaments.
Pour comprendre la position relative des structures dans une cellule ou un tissu, les scientifiques doivent normalement calculer la distance tridimensionnelle (3D) entre deux points fluorescents microscopiques à l’aide des informations de position. Cependant, des scientifiques du Technion–Israel Institute of Technology ont exploité les réseaux de neurones pour concevoir un système optique permettant de mesurer directement la distance.
La recherche a été publiée dans Informatique intelligente le 21 décembre.
« Les microscopes ont été traditionnellement optimisés pour produire l’image la plus nette possible, ciblée pour l’observateur humain. Cependant, en microscopie computationnelle, cet objectif a changé pour fournir la mesure la plus informative pour une analyse informatique ultérieure », ont déclaré les auteurs. L’utilisation de techniques informatiques peut améliorer les capacités des microscopes optiques traditionnels.
L’un des objectifs importants de la microscopie contemporaine est de confirmer la position spatiale 3D des sources fluorescentes. La résolution de la microscopie optique, et donc la précision des mesures de position, est limitée par la diffraction, ou « l’étalement », de l’onde lumineuse lorsqu’elle passe à travers une petite ouverture ou est focalisée sur un point minuscule. Ce point, appelé fonction d’étalement ponctuel (PSF) du système, peut être conçu pour coder les caractéristiques utiles d’une source ponctuelle, telles que les informations de couleur ou la position spatiale 3D pour une localisation précise.
Cependant, dans de nombreux scénarios d’imagerie de localisation multicolore, les scientifiques doivent mesurer la distance 3D entre deux points de l’échantillon, plutôt que de déterminer leurs emplacements précis. Les auteurs illustrent ce point : « Lorsque l’échantillon se compose précisément de 2 points de couleurs différentes, par exemple, des locus d’ADN marqués dans des cellules de levure vivantes, la position 3D précise de chaque locus par rapport à un système de coordonnées global n’est pas pertinente – seule la distance entre le 2 loci présente un intérêt. »
Des mesures de distance 3D précises peuvent révéler le mouvement et la dynamique des composants au fil du temps, facilitant ainsi l’étude des processus cellulaires tels que la migration et la division.
Afin de résoudre le problème de l’obtention de telles mesures, les auteurs ont développé une méthode d’apprentissage automatique de bout en bout pour la conception de systèmes optiques qui combine les réseaux de neurones et l’ingénierie PSF pour mesurer directement la distance 3D entre deux points de couleurs différentes. Un réseau de neurones, composé d’un modèle physique et d’un réseau de reconstruction, est utilisé pour apprendre simultanément l’encodage (le masque de phase optimal pour la modulation PSF) et le décodage (le calcul de la distance aux images modifiées).
Les auteurs ont démontré expérimentalement, non seulement en utilisant des paires de billes fluorescentes, mais aussi en utilisant des paires de locus d’ADN dans des cellules de levure, qu’il est possible d’utiliser des réseaux de neurones en combinaison avec l’ingénierie PSF pour concevoir un système optique plus précis qui tire parti de le besoin de mesures de distance plutôt que de mesures de position.
Les travaux futurs pourraient inclure la détermination de la distance d’une seule couleur, pour la simplification de l’étiquetage et l’amélioration du rapport signal sur bruit (SNR), ou plutôt l’extension de cette méthode au codage de plus de deux couleurs d’émission et l’étude de dynamiques plus complexes, en particulier pour la recherche sur l’organisation des chromosomes. . De plus, la méthode créée par ces chercheurs pourrait être encore améliorée pour être utilisée pour traiter des images contenant des cellules surpeuplées pour l’imagerie à haut débit de populations cellulaires.
Fourni par l’informatique intelligente
