Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Application d'apprendre profondément à la microscopie de localisation

La science moderne exige les solutions techniques modernes. Car nous prise le monde naturel à part à la recherche des réponses à encore plus questions complexes, nous devons penser des voies neuves à notre approche aux problèmes que nous sommes confrontés à.

Profondément apprenant

Crédit d'image : Archy13/Shutterstock.com

Plusieurs technologies ont été développées au cours de ces dernières années qui poussent les limites de notre connaissance scientifique aux hauteurs neuves. Pendant que ces technologies se développent les scientifiques examinent des voies de les employer en tandem, pour produire plus de résultats exacts et de voies neuves de traiter les problèmes de l'industrie scientifique moderne. Deux telles technologies qui peuvent être combinées pour produire une meilleure compréhension des systèmes biologiques sont microscopie de localisation et apprendre profondément.

Microscopie de localisation

La microscopie de localisation est une technique développée récemment qui a le potentiel de transformer notre compréhension de fonctionnement de cellules au niveau moléculaire. Elle fournit les informations exactes ponctuelles au sujet des distributions moléculaires en structures biologiques, et l'analyse avec cette technique peut même fournir le nombre absolu de protéines actuelles dans des systèmes biologiques.

C'est une technique de imagination à haute résolution puissante qui a été montrée pour avoir le potentiel d'être une méthode complémentaire extrêmement utile pour des expériences, utilisant la lumière et la microscopie électronique conventionnelles. Cette technique fournit le contrôle par retour de l'information expérimental direct pour modéliser la complexité des interactions biologiques.

La microscopie de localisation travaille au principe que le barrage de diffraction (la limite de définition des ondes lumineuses) peut être dérivé par photoswitching, photoactivation, ou photoconversion des différents fluorophores, qui sont fixés à la structure d'intérêt.

En utilisant la localisation précise d'unique-molécule conjointement avec des techniques avancées de reconstruction des images multiples, qui contiennent une poignée d'active a isolé les fluorophores, structures de moins que la moitié de la longueur d'onde de la lumière de diamètre peut être resolved, avec des techniques telles que la microscopie à fluorescence conventionnelle ou confocale. La densité des molécules activées est le bas maintenu de sorte que les différents fluorophores étant imagés dans chaque cycle ne superposent pas.

Ainsi, utilisant cette technique, le dépistage de l'de simples peu de mille protons d'un fluorophore unique permet la localisation de ledit fluorophore avec la précision dans la gamme de nanomètre.

Application d'apprendre profondément à produire de meilleurs, plus rapides résultats

Cependant, il y a une limitation avec la microscopie de localisation : le nombre d'images qui peuvent être produites dans un temps donné. Car la technologie se fonde sur des images multiples de différents fluorophores activés, c'est un obstacle important sans application d'autres technologies pour accélérer le procédé. Une telle technologie actuelle qui peut résoudre ce problème est apprendre profond.

Dans le domaine de l'artificial intelligence (AI), apprendre profondément est un sous-ensemble développé récemment d'apprentissage automatique. Il utilise les réseaux neuronaux artificiels pour le rendre capable d'apprendre à partir des caractéristiques non structurées ou non étiquetées. Il a été employé dans beaucoup d'applications différentes de la reconnaissance faciale aux véhicules auto-pilotants, et applications de santé. C'est une technologie tranchante qui change principalement comment le logiciel et les machines agissent l'un sur l'autre avec le monde autour de nous.

Récent, des études ont été effectuées par des chercheurs pour s'appliquer apprendre profondément à la recherche en matière des sciences de la vie et pour compléter les avances dans l'inducteur. Une telle étude qui a recherché à fournir de meilleures et plus rapides images de haut-débit de microscopie de localisation a été effectuée par une équipe aboutie par Wei Ouyang, de la représentation et unité de modélisation du Pasteur Institute à Paris. Elles ont développé un système ANNA-PALM appelé, qui a été montré pour améliorer énormément des images de superbe-définition des structures fragiles.

Elles avaient l'habitude des simulations et la représentation expérimentale des mitochondries, des microtubules, et des pores nucléaires pour expliquer que cette technologie pourrait reconstruire les images de haute qualité de superbe-définition de jusqu'à deux ordres de grandeur moins bâtis que soyez normalement nécessaire, sans résolution spatiale compromettante.

Avec ANNA-PALM, elles sont parvenues à réaliser la reconstruction de superbe-définition seules des images de widefield (une proposition difficile sans ajout des méthodes d'apprentissage profondes), et en ajoutant la qualité des images de caractéristiques de localisation a été améliorée. Le système a fourni des images enjambant les écailles spatiales de ~20nm - ~2nm et champs de vision >1,000 imagés contenant les cellules >1,000 dans ~3h. Le temps d'acquisition et l'irradiation d'échantillon étaient rigoureusement réduits, menant représentation à un haut-débit et à superbe-définition plus doux et plus rapides de sous tension-cellule.

Le contrat à terme

En utilisant des technologies tranchantes, les chercheurs peuvent facilement compléter des techniques existantes pour produire les résultats qui sont plus rapides et plus précis que toujours avant. Par des applications telles qu'améliorer la représentation de microscopie de localisation, apprendre profondément est une telle technologie qui avance la voie que nous nous renseignons sur les complexités du monde naturel et représente un développement révolutionnaire dans les études scientifiques actuelles et futures.

Sources

La Sûre, 2013) majorités de microscopie de localisation de M (: des concepts au choc biologique, tourillon des pgs de la Science 126 de cellules. 3505-3513 DOI : https://doi.org/10.1242/jcs.123612

Ouyang, W et autres (2018) apprenant profondément massivement accélère la microscopie de localisation de superbe-définition, la biotechnologie 36, pgs de nature. 460-468 DOI : https://doi.org/10.1038/nbt.4106

ANNA-PALM, Institut Pasteur https://annapalm.pasteur.fr/#/

Last Updated: Jan 17, 2020

Reginald Davey

Written by

Reginald Davey

Reg Davey is a freelance copywriter and editor based in Nottingham in the United Kingdom. Writing for News Medical represents the coming together of various interests and fields he has been interested and involved in over the years, including Microbiology, Biomedical Sciences, and Environmental Science.

Citations

Please use one of the following formats to cite this article in your essay, paper or report:

  • APA

    Davey, Reginald. (2020, January 17). Application d'apprendre profondément à la microscopie de localisation. News-Medical. Retrieved on October 24, 2020 from https://www.news-medical.net/life-sciences/Applying-Deep-Learning-to-Localization-Microscopy.aspx.

  • MLA

    Davey, Reginald. "Application d'apprendre profondément à la microscopie de localisation". News-Medical. 24 October 2020. <https://www.news-medical.net/life-sciences/Applying-Deep-Learning-to-Localization-Microscopy.aspx>.

  • Chicago

    Davey, Reginald. "Application d'apprendre profondément à la microscopie de localisation". News-Medical. https://www.news-medical.net/life-sciences/Applying-Deep-Learning-to-Localization-Microscopy.aspx. (accessed October 24, 2020).

  • Harvard

    Davey, Reginald. 2020. Application d'apprendre profondément à la microscopie de localisation. News-Medical, viewed 24 October 2020, https://www.news-medical.net/life-sciences/Applying-Deep-Learning-to-Localization-Microscopy.aspx.

Comments

The opinions expressed here are the views of the writer and do not necessarily reflect the views and opinions of News Medical.