Dengan ketepatan tahap nanometer, jangkitan virus boleh dikesan dalam masa 1 jam, alat AI nukleus sel Universiti Perubatan Selatan diterbitkan dalam sub-jurnal Alam

Editor |. KX

Nanometer (nm) ialah satu bilion meter, dan lebar rambut manusia adalah kira-kira 100,000 nm.

Hari ini, kecerdasan buatan boleh mengesan penyusunan semula dalam sel sekecil 20 nm, atau 5,000 kali lebih kecil daripada lebar rambut manusia. Perubahan ini terlalu kecil dan halus untuk ditemui oleh manusia menggunakan kaedah tradisional sahaja.

Baru-baru ini, pasukan penyelidik dari Universiti Perubatan Selatan dan Institut Sains dan Teknologi Barcelona di Sepanyol membangunkan alat kecerdasan buatan nuklear (AINU) yang boleh mengenal pasti ciri nuklear tertentu pada resolusi peringkat nanometer. Ia boleh membezakan sel kanser daripada sel normal dan mengesan peringkat awal jangkitan virus intrasel.

Limei Zhong, pengarang bersama kertas kerja dan penyelidik di Hospital Rakyat Provinsi Guangdong (GDPH) Universiti Perubatan Selatan, berkata: "Penyelidik boleh menggunakan teknologi ini untuk memerhatikan bagaimana virus itu menjejaskan sel serta-merta selepas memasuki manusia. badan, yang boleh membantu membangunkan rawatan dan vaksin yang lebih baik Di hospital dan klinik, AINU boleh digunakan untuk mendiagnosis jangkitan dengan cepat daripada sampel darah atau tisu, menjadikan proses diagnostik lebih cepat dan lebih tepat "Penyelidikan berkaitan adalah berdasarkan "Pembelajaran mendalam kaedah yang "Mengenal pasti heterogeniti selular menggunakan ciri nuklear skala nano" telah diterbitkan dalam "Nature Machine Intelligence".

Pautan kertas: https://www.nature.com/articles/s42256-024-00883-x Mikroskopi resolusi skala nano

Heterogeniti fenotip selular ialah banyak penentu utama fungsi biologi , memahami asal usul mereka kekal sebagai cabaran yang menggerunkan. Keheterogenan ini sering mencerminkan perubahan dalam struktur kromatin, dipengaruhi oleh faktor seperti jangkitan virus dan kanser, yang secara mendadak membentuk semula landskap selular.

Mikroskop penyetempatan molekul tunggal (SMLM), khususnya mikroskop pembinaan semula optik stokastik (STORM), boleh menentukan susunan skala nano gentian kromatin dalam sel. Kaedah semasa untuk menganalisis taburan spatial molekul tunggal, seperti algoritma pengelompokan, sangat berkesan dalam mengekstrak kedudukan nuklear dan ketumpatan setempatnya. Walau bagaimanapun, pada masa ini tidak jelas bagaimana taburan spatial dan ketumpatan molekul ini boleh dieksploitasi untuk mengenal pasti keadaan selular.

Rangkaian saraf konvolusi (CNN) telah digunakan secara meluas dalam pelbagai bidang pengimejan penjagaan kesihatan. Model pembelajaran mendalam (DL) telah digunakan untuk mengklasifikasikan imej sel keseluruhan dan menjejakinya menggunakan mikroskop terhad difraksi. Selain itu, mikroskop resolusi super (SR) digunakan untuk meningkatkan ketepatan penyetempatan dan pembahagian semantik semasa pemerolehan data, tetapi imej SMLM belum lagi digunakan untuk mengklasifikasikan sel berdasarkan struktur subselular.

"pengecaman muka" peringkat molekul

Membuka kunci telefon pintar dengan wajah anda atau kereta pandu sendiri memahami dan menavigasi persekitaran dengan mengenal pasti objek di jalan raya, semuanya menggunakan rangkaian saraf konvolusi.

Dalam bidang perubatan, rangkaian neural convolutional digunakan untuk menganalisis imej perubatan, seperti mamogram atau imbasan CT, dan mengenal pasti tanda-tanda kanser yang mungkin terlepas oleh mata manusia. Mereka juga boleh membantu doktor mengesan keabnormalan dalam imbasan MRI atau imej X-ray, membantu doktor membuat diagnosis dengan lebih cepat dan lebih tepat.

AINU ialah rangkaian neural convolutional, sejenis AI yang direka khusus untuk menganalisis data visual seperti imej. Seni bina CNN boleh dilatih dengan cekap menggunakan data latihan minimum daripada pengimejan tandatangan nuklear.

AINU mengimbas imej sel beresolusi tinggi, yang diperoleh dengan STORM, teknologi yang menangkap butiran yang lebih halus daripada mikroskop biasa. Syot kilat definisi tinggi boleh mendedahkan struktur pada resolusi nanometer.

"Resolusi imej ini cukup tinggi untuk AI kami mengenal pasti corak dan perbezaan tertentu, termasuk perubahan dalam susunan DNA dalam sel, dengan ketepatan yang menakjubkan, membantu kami mengesan perubahan dengan cepat. Saya percaya bahawa maklumat sebegini suatu hari nanti boleh memberi masa berharga kepada doktor untuk memantau penyakit, memperibadikan rawatan dan meningkatkan hasil pesakit," kata penulis kajian bersama Profesor Pia Cosma dari Institut Sains dan Teknologi di Barcelona, ​​​​Sepanyol.

Untuk memilih seni bina CNN terbaik dan hiperparameternya untuk mengenal pasti sel somatik dan sel stem pluripoten (hiPSC) yang disebabkan oleh manusia, penyelidik membandingkan 11 seni bina CNN yang berbeza, dan akhirnya, DenseNet-121 menunjukkan prestasi yang lebih baik dalam mengenal pasti sel somatik dan sel stem pluripotent yang disebabkan oleh manusia (hiPSCs) menunjukkan prestasi terbaik, dengan ketepatan pengesahan purata 92.26 dan kehilangan purata 0.292, yang digunakan untuk analisis seterusnya.

Pemilihan adalah berdasarkan prestasi model pada sejumlah 349 imej STORM dua warna nuklear bagi histon teras nukleosom H3 dan Pol II. Fluorofor molekul terpilih dikumpulkan daripada sel somatik manusia dan hiPSC daripada jenis sel somatik yang berbeza dan dijadikan imej pada pembesaran 10x berbanding dengan bingkai kamera asal.

AINU mengesan dan menganalisis struktur kecil dalam sel pada tahap molekul. Para penyelidik melatih model itu dengan memberinya imej resolusi skala nano bagi nukleus pelbagai jenis sel di negeri yang berbeza. Model ini belajar mengenali corak tertentu dalam sel dengan menganalisis bagaimana komponen nukleus diedarkan dan disusun dalam ruang tiga dimensi.

For example, compared with normal cells, cancer cells have obvious changes in their nuclear structure, such as changes in the way their DNA is organized or the distribution of enzymes within the nucleus. After training, AINU can analyze new images of cell nuclei and classify them as cancer or normal cells based solely on these characteristics.

Illustration: AINU trained with Pol II and H3 images correctly identifies somatic cells and iPSCs. (Source: Paper) AINU is able to distinguish different cellular states based on the spatial arrangement of core histone H3, RNA polymerase II (Pol II) or DNA in super-resolution microscopy images. Using only a small number of images as training data, AINU, with appropriate retraining, can accurately identify human somatic cells, human induced pluripotent stem cells (iPSCs), human cells infected with herpes simplex virus type I (HSV-1), and cancer cells .

AINU identifies somatic cells and iPSCs

Illustration: AINU trained on Pol II images correctly identifies somatic cells and iPSCs. (Source: Paper)

Revealing Identification Features

Interpretable AI reveals that Pol II localization within the nucleolus is a key feature of AINU identifying hiPSCs.

Detecting HSV-1

The nanoscale resolution of the images enables the AI ​​to detect changes in the nucleus within one hour of cells being infected with HSV-1. The model can detect the presence of the virus by finding subtle differences in how tightly packed the DNA is.

Clinical Applications

Researchers are overcoming limitations to use this technology in clinical settings.

Accelerate scientific research

AINU accurately identifies stem cells and helps accelerate stem cell research.

Detecting Pluripotent Cells

AINU can detect pluripotent cells faster and more accurately, helping to make stem cell therapies safer and more effective.

Reducing the use of animals

The use of AINU can reduce the use of animals in science.

Related reports:

• https://medicalxpress.com/news/2024-08-ai-cancer-viral-infections-nanoscale.html

Atas ialah kandungan terperinci Dengan ketepatan tahap nanometer, jangkitan virus boleh dikesan dalam masa 1 jam, alat AI nukleus sel Universiti Perubatan Selatan diterbitkan dalam sub-jurnal Alam. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!