Машинное обучение сделало инновационные микроскопы ещё более совершенными

Разработка учёных касается одного из типов микроскопии сверхвысокого разрешения — технологии локализации одиночных молекул (SMLM). Принцип её работы основан на маркировании изучаемых белков с помощью флуоресцентных молекул и их наблюдении посредством высвечивания. Однако у метода есть один весомый недостаток: он требует анализа большого количества изображений, на что уходит много времени.

Тюбингенские учёные нашли способ преодолеть ограничения метода. Они разработали алгоритм машинного обучения под названием DECODE для автоматического анализа изображений, получаемых в ходе использования SMLM. Обученная при помощи компьютерной симуляции нейросеть способна самостоятельно распознавать и локализовывать флуоресцентно маркированные белки.

Алгоритм позволит анализировать получаемые при помощи SMLM изображения в разы быстрее, чем это осуществлялось раньше. Вдобавок к этому новая технология имеет функцию автокоррекции — в тех случаях, когда нейросеть не может точно локализовать флуоресцентные маркеры, она сообщает об этом.

Исследователи уверены, что алгоритм, который идёт в комплекте вместе со специально разработанным софтом, пригодится учёным по всему миру для детальных исследований невидимых для глаз и обычных микроскопов клеточных параметров.

Фото: artur speiser et. al., data provided by wesley legant et. al. DOI: 10.1038/s41592-021-01236-x