Pembelajaran mesin dan mikroskop bertenaga tinggi memberikan snapshot terperinci dari mesin internal sel

Buka buku pengantar biologi apa pun, dan Anda akan melihat diagram yang sudah dikenal: sel yang tampak seperti gumpalan yang diisi dengan struktur berwarna cerah – mekanisme internal yang membuat sel berdetak.

Ahli biologi sel telah mengetahui fungsi dasar dari sebagian besar struktur ini, yang disebut organel, selama beberapa dekade. Mitokondria berbentuk kacang menghasilkan energi, misalnya, dan mikrotubulus tipis membantu muatan meluncur di sekitar sel. Namun terlepas dari semua yang telah dipelajari para ilmuwan tentang ekosistem mini ini, masih banyak yang belum diketahui tentang bagaimana bagian-bagiannya bekerja sama.

Sekarang, mikroskop bertenaga tinggi — ditambah pembelajaran mesin dosis tinggi — membantu mengubahnya. Algoritme komputer baru dapat secara otomatis mengidentifikasi sekitar 30 jenis organel dan struktur lain yang berbeda dalam gambar resolusi super dari seluruh sel, tim ilmuwan di Howard Hughes Medical Center dari Janelia Research Institute melaporkan 6 Oktober 2021 dalam jurnal sifat pemarah.

Hampir tidak mungkin untuk menganalisis detail secara manual dalam gambar-gambar ini di seluruh sel, kata Aubrey Weigel, yang memimpin tim proyek Janelia, yang disebut COSEM (untuk mengelompokkan organel sel dalam mikroskop elektron). Hanya satu data sel yang terdiri dari puluhan ribu gambar. Melacak semua organel sel melalui rangkaian gambar itu bisa memakan waktu lebih dari 60 tahun bagi satu orang. Tetapi algoritma baru memungkinkan untuk memetakan seluruh sel dalam hitungan jam, bukan tahun.

Dengan menggunakan pembelajaran mesin untuk memproses data, kami merasa dapat mempertimbangkan kembali tampilan dasar sel.”

Aubrey Weigel, Ilmuwan, Kampus Penelitian Janelia di Institut Medis Howard Hughes

Selain dua artikel yang menyertainya di sifat pemarahIlmuwan Janelia juga telah merilis portal data OpenOrganelle, di mana siapa pun dapat mengakses kumpulan data dan alat yang mereka buat.

READ  (Diperbarui) Observatorium NASA Menangkap Cahaya Matahari Kelas X Besar

Sumber daya ini sangat berharga bagi para ilmuwan yang mempelajari bagaimana organel menjaga sel berfungsi, kata Jennifer Lippincott-Schwartz, pemimpin kelompok besar dan ketua sementara 4D Cellular Physiology Research District di Janelia yang sudah menggunakan data dalam penelitiannya sendiri. “Apa yang kami tidak benar-benar tahu adalah bagaimana organel dan struktur yang berbeda diatur relatif satu sama lain — bagaimana mereka bersentuhan dan berkomunikasi satu sama lain, dan berapa banyak ruang yang mereka gunakan,” katanya.

Untuk pertama kalinya, hubungan tersembunyi itu muncul.

Data terperinci

Perjalanan tim COSEM dimulai dengan data yang dikumpulkan oleh mikroskop elektron bertenaga tinggi yang ditempatkan di ruang anti-getaran khusus di Janelia.

Selama 10 tahun terakhir, mikroskop ini telah menghasilkan foto resolusi tinggi dari otak lalat. Pemimpin Grup Janelia Harald Hess dan Ilmuwan Senior Shan Xu merancang ruang lingkup ini untuk menggiling fragmen yang sangat tipis dari otak lalat menggunakan berkas ion terfokus – sebuah pendekatan yang disebut pencitraan FIB-SEM. Lingkup menangkap gambar lapis demi lapis, dan kemudian program komputer menyatukan gambar-gambar itu menjadi representasi 3D otak yang terperinci. Berdasarkan data ini, peneliti Janelia telah merilis peta saraf otak lalat paling detail hingga saat ini.

Di tengah pencitraan otak lalat, tim Hess dan Shaw juga melihat sampel lain. Seiring waktu, mereka mengumpulkan berbagai data dari berbagai jenis sel, termasuk sel mamalia. “Kami pikir pencitraan sel utuh yang terperinci ini mungkin lebih menarik bagi ahli biologi sel,” kata Hess.

Weigel, yang saat itu menjadi postdoc di lab Lippincott-Schwartz, mulai menambang data ini untuk penelitiannya sendiri. “Kekuatan analisis pencitraan FIB-SEM luar biasa, kami dapat melihat hal-hal pada tingkat yang tidak pernah kami bayangkan sebelumnya, tetapi ada lebih banyak informasi dalam satu sampel daripada yang dapat saya analisis dalam beberapa kehidupan,” kata Weigel. Menyadari bahwa orang lain di Janelia sedang mengerjakan proyek komputasi yang mungkin mempercepat, saya mulai mengatur kolaborasi.

READ  Studi: Kedekatan dengan medan magnet Matahari menentukan pembentukan planet berbatu Ilmu keplanetan, eksplorasi ruang angkasa

“Semua bagian ada di sini di Janelia,” katanya, dan pembentukan tim proyek COSEM membantu mencapai tujuan bersama.

menetapkan batas

Larissa Heinrich, seorang mahasiswa pascasarjana di lab pemimpin kelompok Stefan Salfeld, telah mengembangkan alat pembelajaran mesin yang dapat mengidentifikasi sinapsis, hubungan antar neuron, dalam data mikroskop elektron. Untuk COSEM, ia telah mengadaptasi algoritma tersebut untuk memetakan atau membagi organel menjadi sel.

Algoritma segmentasi Saalfeld dan Heinrich bekerja dengan menetapkan nomor untuk setiap piksel dalam gambar. Angka tersebut mencerminkan seberapa jauh sebuah piksel dari titik interlacing terdekat. Kemudian saya menggunakan algoritma angka-angka ini untuk mengidentifikasi dan memberi label semua sinapsis pada gambar. Saalfeld mengatakan algoritma COSEM bekerja dengan cara yang sama, tetapi dengan lebih banyak dimensi. Mereka mengklasifikasikan setiap piksel berdasarkan jaraknya ke 30 jenis organel dan struktur yang berbeda. Kemudian, algoritme menggabungkan semua angka ini untuk memprediksi di mana letak organel.

Menggunakan data dari para ilmuwan yang secara manual menelusuri batas-batas organel dan menetapkan angka ke piksel, algoritme dapat mempelajari bahwa kumpulan angka tertentu tidak rasional, kata Saalfeld. “Jadi, misalnya, sebuah piksel tidak bisa berada di dalam mitokondria pada saat yang sama di dalam retikulum endoplasma.”

Untuk menjawab pertanyaan seperti berapa banyak mitokondria dalam sel, atau luas permukaannya, algoritma harus melangkah lebih jauh, kata pemimpin kelompok Jan Funk. Timnya telah membangun algoritme yang mencakup pengetahuan sebelumnya tentang sifat organel. Sebagai contoh, para ilmuwan mengetahui bahwa mikrotubulus itu panjang dan tipis. Berdasarkan informasi ini, komputer dapat membuat penilaian tentang di mana mikrotubulus mulai dan berakhir. Tim dapat mengamati bagaimana pengetahuan sebelumnya ini memengaruhi hasil program komputer — apakah itu membuat algoritme lebih atau kurang akurat — dan kemudian membuat penyesuaian seperlunya.

READ  Sebuah studi Chandra baru mengungkapkan bahwa lubang hitam menghancurkan ribuan bintang terdekat untuk mendorong pertumbuhan

Setelah dua tahun bekerja, tim COSEM telah menetapkan serangkaian algoritme yang menghasilkan hasil yang baik untuk data yang dikumpulkan sejauh ini. Weigel mengatakan temuan ini merupakan dasar penting untuk penelitian masa depan di Janelia. Upaya baru yang dipimpin oleh Xu membawa pencitraan FIB-SEM ke tingkat detail yang lebih tinggi. Tim proyek lain, yang disebut CellMap, akan segera meningkatkan alat dan sumber daya COSEM untuk membuat database anotasi sel yang lebih luas, dengan gambar mendetail dari banyak jenis dan jaringan sel.

Bersama-sama, kemajuan ini akan mendukung bidang penelitian Janelia yang akan datang selama 15 tahun, Fisiologi Sel 4D — upaya yang dipimpin oleh Lippincott-Schwartz untuk sementara guna memahami bagaimana sel berinteraksi satu sama lain dalam setiap jenis jaringan berbeda yang membentuk sebuah organisme. , kata White Korf, Direktur Tim Proyek di Janelia.

Dengan sumber daya baru seperti yang dibuat oleh tim COSEM, “kami benar-benar dapat mulai menjawab pertanyaan-pertanyaan ini, dengan cara yang belum dapat kami akses di masa lalu,” kata Corff.

Sumber:

Referensi jurnal:

Heinrich, L.; dkk. (2021) Segmentasi organel sel utuh dalam mikroskop elektron volume. sifat pemarah. doi.org/10.1038/s41586-021-03977-3.

About The Author

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *