El estudios maquinal ayuda a revelar las estructuras celulares internas con nuevos detalles

0


Abra cualquier libro de texto de introducción a la biología y verá un diagrama familiar: una celda de aspecto abultado llena de estructuras de colores brillantes, el mecanismo interno que hace que la celda funcione.

Los biólogos celulares conocen desde hace décadas las funciones básicas de la mayoría de estas estructuras, llamadas orgánulos. Las mitocondrias en forma de frijol producen energía, por ejemplo, y los microtúbulos larguiruchos ayudan a que la carga se mueva alrededor de la célula. Pero a pesar de todo lo que los científicos han aprendido sobre estos ecosistemas en miniatura, aún se desconoce cómo funcionan todas sus partes en conjunto.

Ahora, la microscopía de alta potencia, más una gran dosis de aprendizaje automático, está ayudando a cambiar las cosas. Los nuevos algoritmos informáticos pueden identificar automáticamente alrededor de 30 tipos diferentes de orgánulos y otras estructuras en imágenes de ultra alta resolución de células completas, informó un equipo de científicos del Campus de Investigación Janelia del Instituto Médico Howard Hughes en la revista el 6 de octubre de 2021. Naturaleza.

Los detalles de estas imágenes serían casi imposibles de analizar a mano en toda la célula, dice Aubrey Weigel, quien dirigió el equipo del proyecto Janelia, llamado COSEM (para la segmentación de orgánulos celulares en microscopía electrónica). Los datos de una sola celda constan de decenas de miles de imágenes; rastrear todos los orgánulos de una celda a través de esa colección de imágenes llevaría a una persona más de 60 años. Pero los nuevos algoritmos permiten mapear una celda completa en horas en lugar de años.

«Al utilizar el aprendizaje automático para procesar datos, sentimos que podíamos volver a visitar la vista canónica de una celda», dice Weigel.

Además de los dos artículos adjuntos en Naturaleza, Los científicos de Janelia también lanzaron un portal de datos, OpenOrganelle, donde cualquiera puede acceder a los conjuntos de datos y herramientas que han creado.

Estos recursos son invaluables para los científicos que estudian cómo los orgánulos mantienen en funcionamiento las células, dice Jennifer Lippincott-Schwartz, líder de grupo senior y directora interina de la nueva área de investigación de fisiología celular 4D de Janelia, que ya está utilizando los datos en su investigación. «Lo que realmente no sabemos es cómo se organizan los diferentes orgánulos y estructuras entre sí, cómo se tocan y contactan entre sí, cuánto espacio ocupan», dice.

Por primera vez, esas relaciones ocultas son visibles.

Datos detallados

El viaje del equipo COSEM comenzó con datos recopilados de microscopios electrónicos de alta potencia alojados en una habitación especial a prueba de vibraciones en Janelia.

Durante la última década, estos microscopios han producido instantáneas de alta resolución del cerebro de la mosca. El líder del grupo senior de Janelia, Harald Hess, y el científico senior Shan Xu diseñaron estos telescopios para triturar escamas de cerebro de mosca superdelgadas utilizando un haz de iones enfocado, un enfoque llamado imágenes FIB-SEM. Los osciloscopios capturan las imágenes capa por capa, luego los programas de computadora fusionan estas imágenes en una representación 3D detallada del cerebro. Basándose en estos datos, los investigadores de Janelia han publicado el mapa neuronal más detallado del cerebro de las moscas.

Mientras tomaba imágenes del cerebro de la mosca, el equipo de Hess y Xu también observó otras muestras. Con el tiempo, han acumulado una colección de datos de muchos tipos de células, incluidas las de mamíferos. «Pensamos que estas imágenes detalladas de células completas podrían ser de gran interés para los biólogos celulares», dice Hess.

Weigel, que entonces era un postdoctorado en el laboratorio de Lippincott-Schwartz, comenzó a extraer esos datos para su investigación. «El poder de resolución de las imágenes FIB-SEM fue asombroso y pudimos ver cosas a un nivel que no podíamos haber imaginado antes», dice Weigel, «pero había más información en una muestra de la que podía analizar. En varias vidas. . ”Al darse cuenta de que otros en Janelia estaban trabajando en proyectos computacionales que podrían acelerar las cosas, comenzó a organizar una colaboración.

«Todas las piezas estaban aquí en Janelia», dice, y la formación del equipo del proyecto COSEM las alineó hacia un objetivo común.

Define los límites

Larissa Heinrich, una estudiante de posgrado en el laboratorio del líder del grupo Stephan Saalfeld, había desarrollado previamente herramientas de aprendizaje automático que podían detectar sinapsis, las conexiones entre neuronas, en datos de microscopios electrónicos. Para COSEM, adaptó esos algoritmos para mapear o segmentar orgánulos en las células.

Los algoritmos de segmentación de Saalfeld y Heinrich funcionaron asignando un número a cada píxel de una imagen. El número reflejaba la distancia del píxel a la sinapsis más cercana. Luego, un algoritmo usó esos números para identificar y etiquetar todas las sinapsis en una imagen. Los algoritmos COSEM funcionan de manera similar, pero con más dimensiones, dice Saalfeld. Clasifican cada píxel en función de su distancia de cada uno de los 30 tipos diferentes de orgánulos y estructuras. Luego, los algoritmos integran todos esos números para predecir dónde se encuentran los orgánulos.

Usando datos de científicos que trazaron manualmente los límites de los orgánulos y asignaron números a los píxeles, el algoritmo puede aprender que combinaciones particulares de números no son razonables, dice Saalfeld. «Entonces, por ejemplo, un píxel no puede estar dentro de una mitocondria al mismo tiempo que está dentro del retículo endoplásmico».

Para responder preguntas como cuántas mitocondrias hay en una célula o cuál es su superficie, los algoritmos deben ir aún más lejos, dice el líder del grupo, Jan Funke. Su equipo construyó algoritmos que incorporan conocimientos previos sobre las características de los orgánulos. Por ejemplo, los científicos saben que los microtúbulos son largos y delgados. Con base en esta información, la computadora puede emitir juicios sobre dónde comienza y termina un microtúbulo. El equipo puede observar cómo ese conocimiento previo afecta los resultados del programa de computadora, independientemente de si hace que el algoritmo sea más o menos preciso, y luego hacer cambios cuando sea necesario.

Después de dos años de trabajo, el equipo de COSEM ha aterrizado en una serie de algoritmos que generan buenos resultados para los datos recopilados hasta el momento. Estos hallazgos son bases importantes para futuras investigaciones en Janelia, dice Weigel. Un nuevo esfuerzo liderado por Xu está llevando las imágenes FIB-SEM a niveles de detalle aún mayores. Y otro equipo de proyecto próximo, llamado CellMap, perfeccionará aún más las herramientas y recursos de COSEM para crear una base de datos de anotaciones de células más grande, con imágenes detalladas de muchos otros tipos de células y tejidos.

Juntos, estos avances respaldarán el próximo área de investigación de 15 años de Janelia, Fisiología Celular 4D, un esfuerzo interino dirigido por Lippincott-Schwartz para comprender cómo las células interactúan entre sí dentro de cada uno de los diferentes tipos de tejidos que lo componen. organismo, dice Wyatt Korff, director de los equipos de proyecto de Janelia.

Con nuevos recursos como los creados por el equipo de COSEM, dice Korff, «realmente podemos comenzar a responder estas preguntas, de una manera a la que no hemos tenido acceso en el pasado».

También podría gustarte
Deja una respuesta

Su dirección de correo electrónico no será publicada.

This website uses cookies to improve your experience. We'll assume you're ok with this, but you can opt-out if you wish. Accept Read More