深度学习技术助攻!新工具可从显微影像中辨识各种细菌

0

人工智能技术正推动医学领域持续进步,最近华盛顿大学团队就展示了最新开发的深度学习软件 Omnipose,在先进技术协助下,Omnipose 不仅达成原本协助辨识显微镜影像中各种微小细菌的目标,更进一步能在影像中辨识出细菌以外的微小生物,未来将有望成为多领域显微影像解读上的一大助力。

Omnipose 可识别细菌更精细的物理特征

Omnipose 是华盛顿大学物理学研究生 Kevin J. Cutler 与其团队所共同开发,透过使用大型细菌影像数据库训练,Omnipose 除了消除其前身 Cellpose 的一些错误,在表征和量化培养皿中的混合微生物方面更是青出于蓝。

不同细菌在形状及光学特性上都存在差异,而 Omnipose 在辨识这些微小差异上表现出色,同时还可以识别像是分支、细丝和附属物等更精细的物理特征,即使细菌因抗生素治疗或化学物质的拮抗作用(antagonism)形状出现极端变化,Omnipose 也不会轻易被欺骗,在进一步的实验中,Omnipose 甚至能辨别出因细胞毒性形状略微改变的大肠杆菌(E. coli)。

为了探索 Omnipose 的实用范畴,研究团队还利用在遗传、神经科学中常见的秀丽隐杆线虫(C. elegans)显微影像进行了测试,尽管秀丽隐杆线虫具有与细菌类似的细长形状,还会因伸展、扭曲等运动形状产生改变,Omnipose 还是能从影像中成功辨识出来,研究人员认为,这正展现出 Omnipose 在更多需要显微影像辨识的相关研究领域中的应用潜力。

以单像素精度来定义细胞边界

目前 Omnipose 在处理影像上仍有一些限制,如果样本的微生物群落过于拥挤,导致 2D 显微影像上出现重叠,就可能影响判读结果。同时其他测试也发现,低于特定阈值的细菌也可能让 Omnipose 难以进行判定。

尽管有着这些缺点,Omnipose 仍展现出一些独特优势,能够辨认出过去类似工具难以辨识的细菌类型,团队因此认为,Omnipose 仍是一种极具潜力的解决方案,能协助回答相关研究人员在细菌细胞生物学中的各种问题。

即使是在显微影像中,许多细菌的细胞体还是仅由少量像素组成,科学家正在研究如何让辨识达到单像素(Single-pixel)尺度的高精准度,才能正确定义细胞边界并掌握更多讯息,而透过深度神经网络、高精度分割算法开发的 Ominpose 在定义边界上的精确度正好能够协助达成目标。

研究团队已公开 Omnipose 的源代码、训练数据、模型以及使用说明,提供传统研究实验室使用。团队成员认为,Omnipose 在各种细胞形态和模式上的高性能表现,将协助科学家从以前无解的显微镜影像中找到讯息,“我们相信,这将改变生物影像分析的游戏规则。”

延伸阅读:组织活体检验将成为过去式?新 3D 显微镜技术即时读取体内器官的组织影像!

参考资料:
1. Nature Methods ,2022,https://doi.org/10.1038/s41592-022-01639-4
2. https://newsroom.uw.edu/news/deep-learning-tool-identifies-bacteria-micrographs

©www.geneonline.news. All rights reserved. 基因线上版权所有 未经授权不得转载。合作请联系:service@geneonlineasia.com

error: 注意: 右键复制内容已停用!