Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Applicando in profondità apprendimento alla microscopia di localizzazione

La scienza moderna richiede le soluzioni tecnologiche moderne. Poichè prise il mondo naturale a parte alla ricerca delle risposte alle domande mai più complesse, dobbiamo pensare nei nuovi modi al nostro approccio ai problemi che siamo affrontati a.

In profondità imparando

Credito di immagine: Archy13/Shutterstock.com

Parecchie tecnologie sono state sviluppate durante questi ultimi anni che stanno spingendo i limiti della nostra conoscenza scientifica nelle nuove altezze. Mentre queste tecnologie si sviluppano gli scienziati stanno esaminando i modi di utilizzarli nel tandem, per produrre i risultati più accurati ed i nuovi modi di avvicinamento dei problemi dell'industria scientifica moderna. Due tali tecnologie che possono combinarsi per produrre una migliore comprensione dei sistemi biologici sono microscopia della localizzazione ed in profondità imparare.

Microscopia di localizzazione

La microscopia della localizzazione è una tecnica sviluppata di recente che ha il potenziale di trasformare la nostra comprensione della funzione delle cellule al livello molecolare. Fornisce l'informazione esatta puntuale circa le distribuzioni molecolari in strutture biologiche e l'analisi con questa tecnica può anche fornire il numero assoluto delle proteine presenti nei sistemi biologici.

È una tecnica d'immaginazione ad alta definizione potente che è stata indicata per avere il potenziale di essere un metodo complementare estremamente utile per gli esperimenti, utilizzando l'indicatore luminoso e la microscopia elettronica convenzionali. Questa tecnica fornisce il feedback sperimentale diretto per la modellistica della complessità delle interazioni biologiche.

La microscopia della localizzazione lavora al principio che la barriera della diffrazione (il limite di risoluzione delle onde leggere) può essere oltrepassata photoswitching, da attivazione mediante la luce, o dal photoconversion di diversi fluorophores, che sono fissati alla struttura di interesse.

Utilizzando la localizzazione precisa della unico molecola insieme con le tecniche avanzate di ricostruzione di immagini multiple, che contengono una manciata di attivo ha isolato i fluorophores, strutture di di meno che la metà della lunghezza d'onda di indicatore luminoso di diametro può essere risolta, rispetto alle tecniche quale microscopia di fluorescenza convenzionale o confocale. La densità delle molecole attivate è minimo tenuto in modo che i diversi fluorophores che sono imaged in ogni ciclo non si sovrappongano.

Quindi, facendo uso di questa tecnica, la rilevazione dell'meri poco mille protoni da un singolo fluorophore permette la localizzazione di fluorophore detto con precisione nell'intervallo di nanometro.

Applicazione in profondità dell'apprendimento fornire i migliori, risultati più veloci

Tuttavia, c'è una limitazione con microscopia della localizzazione: il numero delle immagini che possono essere prodotte in un tempo dato. Poichè la tecnologia conta sulle immagini multiple dei fluorophores attivati differenti, questo è uno scoglio importante senza l'applicazione di altre tecnologie per accelerare il trattamento. Una tale tecnologia corrente che può risolvere questo problema è l'apprendimento profondo.

Nel campo di intelligenza artificiale (AI), in profondità imparare è un sottoinsieme sviluppato di recente dell'apprendimento automatico. Utilizza le reti neurali artificiali per renderlo capace dell'apprendimento dai dati non strutturati o adenoidi. È stato utilizzato in molte applicazioni diverse dal riconoscimento facciale alle automobili auto-moventi e nelle applicazioni di sanità. È una tecnologia di avanguardia che sta cambiando fondamentalmente come il software ed i commputer interagiscono con il mondo intorno noi.

Recentemente, gli studi sono stati effettuati dai ricercatori per applicare in profondità l'apprendimento alla ricerca di scienze biologiche e per complementare gli avanzamenti all'interno del campo. Uno tale studio che ha cercato di fornire le migliori ed immagini più veloci di alto-capacità di lavorazione di microscopia della localizzazione è stato effettuato da un gruppo piombo da Wei Ouyang, della rappresentazione ed unità di modellistica del Pasteur Institute a Parigi. Hanno messo a punto un sistema chiamato ANNA-PALM, che è stato indicato per migliorare notevolmente le immagini di super-risoluzione delle strutture delicate.

Hanno usato le simulazioni e la rappresentazione sperimentale dei mitocondri, dei microtubuli e dei pori nucleari per dimostrare che questa tecnologia potrebbe ricostruire le immagini di alta qualità di super-risoluzione da fino a due ordini di grandezza meno fotogrammi che sia normalmente necessario, senza compromettere la risoluzione spaziale.

Con ANNA-PALM, sono riuscito a raggiungere la ricostruzione di super-risoluzione delle immagini del widefield da solo (una proposta difficile senza l'aggiunta delle tecniche di apprendimento profonde) ed aggiungendo la qualità di immagine di dati della localizzazione è stata migliorata. Il sistema ha reso le immagini che misurano i disgaggi spaziali da ~20nm - ~2nm ed i campi >1,000 di visibilità imaged che contengono le celle >1,000 in ~3h. Il tempo di acquisizione e l'irradiamento del campione drasticamente sono stati diminuiti, piombo alla rappresentazione più delicata e più veloce di super-risoluzione della in tensione-cella e di alto-capacità di lavorazione.

Il futuro

Utilizzando le tecnologie di avanguardia, i ricercatori possono complementare facilmente le tecniche attuali per fornire i risultati che sono più veloci e più accurati di mai prima. Con le applicazioni come miglioramento della rappresentazione di microscopia della localizzazione, in profondità imparare è una tale tecnologia che sta avanzando il modo che impariamo circa le complessità del mondo naturale e rappresenta uno sviluppo rivoluzionario negli attuali e studi scientifici futuri.

Sorgenti

Sauer, 2013) raggiungimenti della maturità di microscopia di localizzazione di m. (: dai concetti ad impatto biologico, giornale dei pgs di scienza 126 delle cellule. 3505-3513 DOI: https://doi.org/10.1242/jcs.123612

Ouyang, W et al. (2018) in profondità che impara in maniera massiccia accelera la microscopia della localizzazione di super-risoluzione, biotecnologia 36, pgs della natura. 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). Applicando in profondità apprendimento alla microscopia di localizzazione. News-Medical. Retrieved on October 29, 2020 from https://www.news-medical.net/life-sciences/Applying-Deep-Learning-to-Localization-Microscopy.aspx.

  • MLA

    Davey, Reginald. "Applicando in profondità apprendimento alla microscopia di localizzazione". News-Medical. 29 October 2020. <https://www.news-medical.net/life-sciences/Applying-Deep-Learning-to-Localization-Microscopy.aspx>.

  • Chicago

    Davey, Reginald. "Applicando in profondità apprendimento alla microscopia di localizzazione". News-Medical. https://www.news-medical.net/life-sciences/Applying-Deep-Learning-to-Localization-Microscopy.aspx. (accessed October 29, 2020).

  • Harvard

    Davey, Reginald. 2020. Applicando in profondità apprendimento alla microscopia di localizzazione. News-Medical, viewed 29 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.