Новая техника микроскопии раскрывает ранее скрытую информацию в микрофотографиях биологических клеток

Новый метод визуализации в сочетании с машинным обучением позволяет извлекать ранее скрытую информацию из микрофотографий биологических клеток, раскрывая количественные данные об уровнях экспрессии генов.

Исследователи из Инженерной школы Джеймса Уатта и Школы компьютерных наук Университета Глазго в статье, опубликованной сегодня в Nature Communications, описывают, как они использовали анализ изображений и машинное обучение для прямого определения активности генов в отдельных клетках.

На протяжении столетий микроскопия была одним из важнейших инструментов для понимания структуры и поведения биологических клеток. Однако она была ограничена физическими возможностями визуализации и в основном использовалась для описания размера, формы и структуры. Для понимания лежащей в основе активности экспрессии генов требовались другие методы, такие как полимеразная цепная реакция (ПЦР).

Исследовательские группы использовали детальный анализ изображений для извлечения более 1000 математических значений, описывающих каждую анализируемую клетку — так называемых морфометрических дескрипторов. Объединив эти значения, можно «научить» компьютер взаимосвязи между морфометрическими показателями и фактическими уровнями экспрессии генов.

Этот подход имеет сходство с системами «машинного зрения», уже используемыми в таких устройствах, как мобильные телефоны и беспилотные автомобили. В этих устройствах алгоритмы способны идентифицировать объекты на основе больших наборов обучающих данных. В новой работе исследовательской группы их техника позволила не только различать типы клеток, но и напрямую предсказывать активность генов в каждой клетке.

Профессор биомедицинской инженерии Университета Глазго Николая Гадегаард сказал: «Я всегда верил, что в микрофотографиях, которые мы собирали годами, содержится гораздо больше информации. С помощью современных методов компьютерных наук мы теперь видим, что даже небольшие изменения в геноме напрямую отражаются на клетках».

Эта техника может проложить путь к извлечению гораздо большего объема информации из данных микроскопии, чем это возможно сегодня.

Статья команды под названием «Predicting phenotype using morphological cell responses to nanotopography» опубликована в Nature Communications.