探测罕见生物事件的新一代智能荧光显微镜！

EPFL生物物理学家已经开发出控制软件，可以优化荧光显微镜如何收集活体样本的数据。它们的控制回路，用于描绘线粒体和细菌分裂部位的详细图像，被作为开源插件发布，可能会启发新一代的智能显微镜。

   

   

EPFL的Suliana Manley的荧光显微镜。

想象一下，你是一名博士生，拿着荧光显微镜和一份活细菌样本。利用这些资源从样本中获得细菌分裂详细观察的最佳方法是什么?

当细菌最终开始分裂时，你可能会放弃食物和休息，不间断地坐在显微镜前获取图像。(一个细菌分裂需要几个小时!)这并不像听起来那么疯狂，因为人工检测和获取控制在许多科学领域都很普遍。

或者，你可能想要设置显微镜，以不加区分和尽可能频繁地拍摄图像。但过量的光会更快地耗尽样本中的荧光，并会过早地破坏活样本。此外，你会生成许多无趣的图像，因为只有少数包含细菌分裂的图像。

另一个解决方案是使用人工智能来检测细菌分裂的前体，并使用这些前体来自动更新显微镜的控制软件，以拍摄更多的事件照片。

是的，EPFL的生物物理学家确实找到了一种方法，在人工神经网络的帮助下，自动控制显微镜对生物事件的详细成像，同时限制样本上的应力。他们的技术适用于细菌细胞分裂和线粒体分裂。他们的智能显微镜的细节被描述在Nature Methods。

“智能显微镜有点像自动驾驶汽车。它需要处理特定类型的信息和微妙的模式，然后通过改变行为来做出反应，”首席研究员Suliana Manley解释说。“通过使用神经网络，我们可以检测到更微妙的事件，并利用它们来驱动采集速度的变化。”

Manley和她的同事们首先解决了如何检测线粒体分裂，这比细菌更难， 线粒体分裂是不可预测的，因为它发生的频率很低，而且几乎可以在任何时刻发生在线粒体网络的任何地方。但科学家们通过训练神经网络来寻找线粒体收缩(一种导致分裂的线粒体形状变化)，并结合对一种已知在分裂位点富集的蛋白质的观察，解决了这个问题。

当收缩和蛋白质水平都很高时，显微镜切换到高速成像，以捕捉分裂事件的许多详细图像。当收缩和蛋白质水平较低时，显微镜会切换到低速成像，以避免样品暴露在过多的光线下。

有了这种智能荧光显微镜，科学家们表明，与标准的快速成像相比，他们可以更长时间地观察样本。虽然与标准慢速成像相比，样本更有压力，但他们能够获得更有意义的数据。

Manley解释说:“智能显微镜的潜力包括测量标准采集会遗漏的东西。我们捕捉更多的事件，测量更小的限制，并可以更详细地跟踪每个部门。”

科学家们将控制框架作为开放显微镜软件Micro-Manager的开源插件，目的是让其他科学家将人工智能集成到他们自己的显微镜中。

Event-driven acquisition for content-enriched microscopy