MAGIK vincula trayectorias de manera confiable en varios escenarios experimentales. a, Microscopía confocal de células madre de ratón GOWT1 transfectadas con proteína verde fluorescente (GFP). MAGIK logra una F1 puntuación de 99,8% y TRA = 99,2% a pesar de que las células salen frecuentemente del campo de observación. Barra de escala, 10 μm. b, Imágenes de contraste de fase de células U373 de glioblastoma-astrocitoma en un sustrato de poliacrilamida. MAGIK alcanza una F1 puntuación de 99,8% y TRA = 100% a pesar de que las células cambian mucho de forma con el tiempo. Barra de escala, 10 μm. c, Imágenes de epifluorescencia de células HeLa que expresan establemente la histona H2b-GFP. MAGIK logra una F1 puntuación de 98,8% y TRA = 98,4% a pesar de la muestra densa y frecuentes mitosis y colisiones. Barra de escala, 10 μm. d, Imágenes de contraste de fase de células madre pancreáticas en un sustrato de poliestireno. MAGIK obtiene una F1 puntuación del 99,3% y TRA = 98,5% a pesar de la alta densidad celular, las formas alargadas, los desplazamientos celulares pronunciados y un número significativo de eventos de división. Barra de escala, 10 μm. Las trayectorias interrumpidas corresponden a casos en los que las células abandonaron el campo de visión o perdieron una segmentación en la secuencia de imágenes. Todos los videos pertenecen al conjunto de datos del 6.° Desafío de seguimiento celular. Crédito: Naturaleza Máquina Inteligencia (2023). DOI: 10.1038/s42256-022-00595-0
La enorme cantidad de datos obtenidos mediante la filmación de procesos biológicos utilizando un microscopio ha sido previamente un obstáculo para los análisis. Usando inteligencia artificial (IA), los investigadores de la Universidad de Gotemburgo ahora pueden seguir el movimiento celular a través del tiempo y el espacio. El método podría ser muy útil para desarrollar medicamentos contra el cáncer más efectivos.
Estudiar los movimientos y comportamientos de las células y moléculas biológicas bajo el microscopio proporciona información fundamental para comprender mejor los procesos relacionados con nuestra salud. Los estudios de cómo se comportan las células en diferentes escenarios son importantes para desarrollar nuevas tecnologías y tratamientos médicos.
“En las últimas dos décadas, la microscopía óptica ha avanzado significativamente. Nos permite estudiar la vida biológica hasta el más mínimo detalle tanto en el espacio como en el tiempo. Los sistemas vivos se mueven en todas las direcciones posibles y a diferentes velocidades”, dice Jesús Pineda, estudiante de doctorado. en la Universidad de Gotemburgo y primer autor del artículo científico en Naturaleza Máquina Inteligencia.
Las matemáticas describen las relaciones de las partículas.
Los avances han dado a los investigadores de hoy en día cantidades tan grandes de datos que el análisis es casi imposible. Pero ahora, los investigadores de la Universidad de Gotemburgo han desarrollado un método de inteligencia artificial que combina la teoría de grafos y las redes neuronales que pueden seleccionar información confiable de los videoclips.
La teoría de grafos es una estructura matemática que se utiliza para describir las relaciones entre diferentes partículas en la muestra estudiada. Es comparable a una red social en la que las partículas interactúan e influyen en el comportamiento de las demás directa o indirectamente.
“El método de IA utiliza la información del gráfico para adaptarse a diferentes situaciones y puede resolver múltiples tareas en diferentes experimentos. Por ejemplo, nuestra IA puede reconstruir el camino que toman las células o moléculas individuales cuando se mueven para lograr una determinada función biológica. Esto significa que los investigadores pueden probar la efectividad de diferentes medicamentos y ver qué tan bien funcionan como posibles tratamientos contra el cáncer”, dice Jesús Pineda.
La IA también permite describir todos los aspectos dinámicos de las partículas en situaciones en las que otros métodos no serían efectivos. Por ello, las empresas farmacéuticas ya han incorporado este método en su proceso de investigación y desarrollo.
Más información:
Jesús Pineda et al, El aprendizaje profundo geométrico revela las características espaciotemporales del movimiento microscópico, Naturaleza Máquina Inteligencia (2023). DOI: 10.1038/s42256-022-00595-0
Proporcionado por la Universidad de Gotemburgo
Citación: AI analiza el movimiento celular bajo el microscopio (2023, 16 de febrero) recuperado el 17 de febrero de 2023 de https://phys.org/news/2023-02-ai-cell-movement-microscope.html
Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.
