AI-распознавание изображений позволяет автоматически идентифицировать и сортировать отдельные бактериальные клетки

Идентификация, сортировка и экспорт отдельных бактериальных клеток, а не их популяций, долгое время была чрезвычайно сложной, дорогой и часто невозможной без повреждения клеток.

Исследователи из Циндаоского института биоэнергетики и биопроцессных технологий (QIBEBT) Китайской академии наук (CAS) и их коллеги предложили новую систему под названием EasySort AUTO, которая позволяет проводить одноклеточный анализ даже бактерий. Она основана на искусственном интеллекте для распознавания изображений.

Исследование опубликовано в mLife 18 декабря.

Технологии, позволяющие сортировать и анализировать отдельные клетки, обычно используют сортировку клеток, активируемую флуоресценцией (FACS), которая может сортировать смесь различных биологических клеток в контейнеры или пробирки по одной клетке за раз.

Это хорошо работает для относительно крупных человеческих клеток из тканей или органов, но не для бактерий, объем которых обычно примерно в 1000 раз меньше. «Даже когда FACS удается провести на бактериях, как правило, практически невозможно отсортировать клетки с индексацией, особенно с сохранением жизнеспособности клетки», — сказал Дяо Чжидянь из Центра одно-клеточных исследований QIBEBT, первый автор исследования.

«Сортировать бактерии сложно и дорого, и даже в тех редких случаях, когда это удается, с ними мало что можно сделать», — сказал Кан Линьянь, со-первый автор и инженер Центра одно-клеточных исследований QIBEBT.

В результате исследования микробиомов оставались ограничены относительно грубым изучением популяций клеток. Требуется простая в эксплуатации, недорогая, индексируемая и сохраняющая жизнеспособность система сортировки отдельных клеток, работающая в масштабе бактерий и, в свою очередь, позволяющая проводить одно-клеточный анализ микробиомов. Для этого необходимо решить две ключевые проблемы: метод обнаружения и сортировки клеток и экспорт крошечных бактериальных клеток по одной в контейнерные пробирки.

«Для первой проблемы мы обратились к искусственному интеллекту из-за его способности обнаруживать даже скрытые свойства клеток только по их изображениям и, таким образом, для идентификации клеток», — сказал Чжао Илун, со-первый автор из Центра одно-клеточных исследований QIBEBT.

«Мы использовали глубокую сверточную нейронную сеть — тип ИИ, вдохновленный зрительной корой животных и чаще всего используемый для идентификации визуальных образов», — сказал Ли Юаньдун, инженер Центра одно-клеточных исследований QIBEBT.

«Для автоматизации экспорта отдельных клеток в контейнерные пробирки мы разработали метод, который не требует дополнительного сложного оборудования, а вместо этого включает модуль сбора с капиллярной трубкой, соединенный с оптическим пинцетом и платформой микроскопа с прямым креплением», — сказал профессор Ма Бо, автор-корреспондент из Центра одно-клеточных исследований QIBEBT, руководивший исследованием.

Целевые отдельные клетки идентифицируются алгоритмами ИИ на основе изображений, затем перемещаются из популяций клеток с помощью оптического пинцета и экспортируются в пробирки для полимеразной цепной реакции (PCR) через автоматическую платформу сбора. Во время этого процесса отдельная клетка упаковывается в микрокаплю и автоматически экспортируется с точной индексацией в формате «Одна клетка — одна пробирка» с сохранением жизнеспособности каждой клетки.

Система EasySort AUTO имеет эффективность более 93%, что означает, что в 93% случаев экспортируемая капля содержит одну идентифицированную и проиндексированную клетку. Она может выполнять задачу со скоростью около 120 клеток в час.

Исследователи протестировали технику на клетках дрожжей (которые являются грибковыми, а не бактериальными, и примерно в 3–4 раза крупнее — представляя собой промежуточный размер между человеческой клеткой и бактерией) и бактериях Escherichia coli. В обоих случаях более 80% отдельных клеток впоследствии удалось культивировать, что указывает на сохранение их жизнеспособности во время сортировки и экспорта. Высокая точность обнаружения объектов ИИ была подтверждена на образцах дрожжей, чья идентичность уже была известна.

Для улучшения системы и расширения применения скрининга микробов на основе изображений с помощью ИИ необходимо разработать микробные камеры, производящие более четкие изображения, а алгоритмам распознавания изображений ИИ необходимо достичь большей частоты попаданий, согласно профессору Сюй Цзянь из Центра одно-клеточных исследований QIBEBT, который совместно руководил исследованием.

Кроме того, исследователи связали систему EasySort AUTO с секвенированием генома, чтобы связать идентификацию фенотипа отдельных клеток с анализом их генотипов, как для бактериальных, так и для человеческих клеток.