Пятница, 24 марта, 2023
Новости биотехнологий
No Result
View All Result
No Result
View All Result
Новости биотехнологий
No Result
View All Result
Home Искусственный интеллект

Машинное обучение улучшает анализ биологических изображений

17.09.2021
Искусственный интеллект
0
Машинное обучение улучшает анализ биологических изображений
226
VIEWS
Share on FacebookShare on Twitter

Ученые используют микроскопию сверхвысокого разрешения для изучения ранее неизведанных клеточных миров, выявляя детали нанометрового масштаба внутри клеток. Этот метод произвел революцию в световой микроскопии и принес своим изобретателям Нобелевскую премию по химии 2014 года. В рамках международного сотрудничества исследователи искусственного интеллекта из Тюбингена разработали алгоритм, который значительно ускоряет эту технологию.

Микроскопия локализации одиночных молекул (SMLM) — это разновидность микроскопии сверхвысокого разрешения. Он включает в себя маркировку интересующих белков флуоресцентными молекулами и использование света для одновременной активации только нескольких молекул. Используя этот трюк, можно получить несколько изображений одного и того же образца. Чтобы создать осмысленное изображение, компьютерная программа расшифровывает данные и компилирует полное изображение. Хотя этот метод можно использовать для определения местоположения молекул с высокой точностью, он имеет один серьезный недостаток — ученым требуется получить большое количество изображений, что делает процесс очень трудоемким.

В рамках международного сотрудничества команда Якоба Макке, профессора машинного обучения в университете Тюбингена, разработала новый алгоритм, который преодолевает это ограничение SMLM. Совместная работа с группой Риса из Европейской лаборатории молекулярной биологии (EMBL) в Гейдельберге и командой доктора Шриниваса Тураги в исследовательском кампусе Джанелия (Вирджиния, США) была опубликована в журнале Nature Methods .

Глубокое обучение обеспечивает высокоточную локализацию одной молекулы

Алгоритм DECODE (DEep COntext DEpendent) основан на глубоком обучении : он использует нейронную сеть, которая учится на данных обучения. Однако вместо использования реальных изображений сеть в этом случае обучается на синтетических данных, сгенерированных численным моделированием. Объединив информацию о микроскопической установке и физике изображений, исследователи достигли моделирования, которое близко соответствовало полученным в реальном мире. « Нейронная сеть, которую мы обучили с использованием смоделированных данных, может, таким образом, также обнаруживать и локализовать флуорофоры на реальных изображениях», — объясняет Артур Шпайзер, который вместе с Лукасом-Рафаэлем Мюллером был ведущим автором статьи.

Одним из преимуществ DECODE является то, что он точно определяет и локализует флуорофоры при более высоких плотностях, чем это было возможно ранее. Это означает, что для одного образца требуется меньше изображений. В результате скорость визуализации может быть увеличена до десяти раз с минимальной потерей разрешения. Кроме того, DECODE может количественно определять неопределенности, поэтому сеть сама может определять, когда она не уверена в своем местонахождении.

Междисциплинарность расширяет перспективы исследований

«Эта работа свидетельствует о приближении нашего кластера передового опыта«Machine Learning: Новые перспективы для науки «»., Маке говорит, чей стул является частью кластера Тюбингена «Мы изначально развивали идеи , лежащие в основе машинного обучения подхода в очень в другом контексте, но благодаря сотрудничеству со специалистами в области вычислительной микроскопии мы смогли превратить их в мощные методы анализа данных SMLM ».

Команда также создала программный пакет, реализующий алгоритм DECODE. «Программа проста в установке и бесплатна, поэтому мы надеемся, что она будет полезна для многих ученых в будущем», — добавляет д-р Йонас Райс из EMBL.

Предыдущий

Прогноз погоды с искусственным интеллектом для умных ферм

Следующий

Изучая морского слизня, исследования указывают на лучшее оборудование для искусственного интеллекта

  • Конфиденциальность
Создание сайта Get-Going.ru

© 2021-2023 Новости биотехнологий

  • БИОИНФОРМАТИКА
  • БИОБЕЗОПАСТНОСТЬ
  • НАНОБИОТЕХНОЛОГИИ
  • СИНТЕТИЧЕСКАЯ БИОЛОГИЯ
  • ОТРАСЛЕВЫЕ БИОТЕХНОЛОГИИ
  • ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ
  • СТАРТАПЫ
  • COVID-19

© 2021-2023 Новости биотехнологий

Welcome Back!

Login to your account below

Forgotten Password?

Create New Account!

Fill the forms below to register

All fields are required. Log In

Retrieve your password

Please enter your username or email address to reset your password.

Log In
Просматривая этот сайт, вы соглашаетесь с нашей Политикой конфиденциальности