Искусственный интеллект для микроскопии быстро идентифицирует мёртвые клетки

Понимание того, когда и почему клетка умирает, — основа для изучения развития человека, болезней и старения. Для нейродегенеративных заболеваний, таких как болезнь Лу Герига, Альцгеймера и Паркинсона, идентификация мёртвых и умирающих нейронов критически важна для разработки и тестирования новых методов лечения. Однако распознавание мёртвых клеток — сложная задача.

До сих пор учёным приходилось вручную отмечать, какие клетки под микроскопом выглядят живыми, а какие — мёртвыми. Мёртвые клетки имеют характерный «свернувшийся» вид. Этот ручной процесс медленный, дорогой и подвержен ошибкам. Автоматизированные микроскопы, постоянно фиксирующие изменения клеток во времени, создают огромные массивы изображений для анализа. Большинство методов визуализации обнаруживают только поздние стадии гибели клеток, что затрудняет выявление истинных причин смерти.

Решение с помощью ИИ

Новая технология искусственного интеллекта, разработанная исследовательской группой, может идентифицировать мёртвые клетки со сверхчеловеческой точностью и скоростью. Это может значительно ускорить биомедицинские исследования, особенно в области нейродегенеративных заболеваний.

Искусственный интеллект, в частности свёрточные нейронные сети (CNN), произвёл революцию в микроскопии. CNN можно обучить распознавать сложные паттерны на изображениях, иногда даже лучше, чем это делают люди (например, в диагностике рака кожи).

Технология BO-CNN

Исследователи разработали новую технологию — CNN, оптимизированные по биомаркерам (BO-CNN), — для идентификации погибших клеток.

1. Обучение: Сначала BO-CNN обучили различать явно живые и явно мёртвые клетки на примере нейронов мыши. Клетки были модифицированы для производства нетоксичного белка — генетически закодированного индикатора смерти (GEDI), который окрашивал живые клетки в зелёный, а мёртвые — в жёлтый цвет.
2. Тестирование: После обучения модель показала нейроны, не окрашенные GEDI. BO-CNN смогла правильно маркировать живые и мёртвые клетки значительно быстрее и точнее, чем обученные люди.
3. Универсальность: Модель успешно работала с изображениями ранее не виденных типов клеток, полученными с разных типов микроскопов.

Как работает модель и почему она эффективна?

Чтобы понять, на что ориентируется модель, исследователи визуализировали процесс принятия решений BO-CNN. Оказалось, что модель обнаруживает гибель клеток, частично фокусируясь на изменяющихся паттернах флуоресценции в ядре клетки. Эта особенность ранее не была известна исследователям-людям, что может объяснять более высокую точность BO-CNN по сравнению с предыдущими моделями ИИ.

Значение и перспективы

Этот подход представляет собой значительный прогресс в использовании ИИ для изучения сложной биологии. Программное обеспечение имеет открытый исходный код.

• Технологии вроде BO-CNN позволяют использовать сигналы от самих клеток для обучения ИИ.
• Исключая человеческий фактор, BO-CNN повышают воспроизводимость и скорость исследований.
• ИИ помогает обнаруживать новые явления на изображениях, которые иначе было бы трудно распознать.

В настоящее время исследовательская группа работает над расширением технологии BO-CNN для предсказания будущего — идентификации повреждённых клеток ещё до начала их гибели. Это может стать переломным моментом в исследованиях нейродегенеративных заболеваний, помогая найти новые способы предотвращения гибели нейронов и, в конечном итоге, привести к более эффективным методам лечения.