Uma
nova técnica de inteligência artificial torna a identificação de
células mortas bastante mais rápida, acelerando a investigação de
doenças neurodegenerativas.
Compreender quando e porque é que uma célula morre é fundamental para o estudo do desenvolvimento humano, doença e envelhecimento.
Para doenças neurodegenerativas, como a doença de Lou Gehrig, Alzheimer e Parkinson, identificar neurónios mortos e moribundos é fundamental para desenvolver e testar novos tratamentos. Mas identificar células mortas pode ser complicado e tem sido um problema constante.
Até agora, os cientistas tinham que marcar manualmente quais células pareciam vivas e quais pareciam mortas ao microscópio. As células mortas têm uma aparência característica que é relativamente fácil de reconhecer quando sabemos o que procurar.
Uma equipa de investigadores empregou um verdadeiro exército para analisar milhares de imagens e manter um registo de quando cada neurónio numa amostra parecesse ter morrido. Infelizmente, fazer isso manualmente é um processo lento, caro e às vezes propenso a erros.
Para dificultar ainda mais as coisas, os cientistas recentemente começaram a usar microscópios automatizados para capturar continuamente imagens de células à medida que mudam ao longo do tempo.
Embora os microscópios automatizados facilitem a captura de fotos, também criam uma enorme quantidade de imagens para serem classificadas manualmente.
Ficou claro que a curadoria manual não era precisa nem eficiente. Além disso, a maioria das técnicas de imagem pode detetar apenas os estágios finais da morte celular, às vezes dias após a célula já se ter começado a decompor.
Isto torna difícil distinguir entre o que realmente contribuiu para a morte da célula de fatores apenas envolvidos na sua decomposição.
Agora, uma nova tecnologia de inteligência artificial pode identificar células mortas com precisão e velocidade sobrenaturais. Este avanço poderá acelerar todos os tipos de pesquisa biomédica, especialmente em doenças neurodegenerativas.
IA no resgate
A inteligência artificial recentemente invadiu o campo da microscopia. Uma forma de IA chamada redes neurais convolucionais (ou CNNs, na sigla em inglês) tem sido especialmente interessante porque pode analisar imagens com a mesma precisão que os humanos.
As redes neurais convolucionais podem ser treinadas para reconhecer e descobrir padrões complexos em imagens. Assim como na visão humana, dar às CNNs muitas imagens de exemplo e apontar quais recursos prestar atenção pode ensinar o computador a reconhecer padrões de interesse.
Esses padrões podem incluir fenómenos biológicos difíceis de ver a olho nu. Por exemplo, um grupo de pesquisa conseguiu treinar CNNs para identificar cancro da pele com mais precisão do que dermatologistas treinados.
Com base neste trabalho, desenvolvemos uma nova tecnologia chamada CNNs otimizadas para biomarcadores, ou BO-CNNs, para identificar células que morreram.
Primeiro, ensinaram o BO-CNN a distinguir entre células claramente mortas e claramente vivas. Depois, prepararam uma placa de Petri com neurónios de ratos que foram projetados para produzir uma proteína não-tóxica chamada indicador de morte geneticamente codificado, ou GEDI, que coloria as células vivas de verde e as células mortas de amarelo.
O BO-CNN poderia facilmente aprender que verde significava “vivo” e amarelo significava “morto”. Mas também estava a aprender outras características que distinguem células vivas e mortas que não são tão óbvias ao olho humano.
Depois de o BO-CNN aprender a identificar as características que distinguiam as células verdes das amarelas, os investigadores mostraram neurónios que não se distinguiam pela cor.
O BO-CNN foi capaz de rotular corretamente células vivas e mortas de forma significativamente mais rápida e precisa do que pessoas treinadas para fazer a mesma coisa. O modelo pode até mesmo olhar para imagens de tipos de células que não tinha visto antes tiradas de diferentes tipos de microscópios e ainda identificar corretamente as células mortas.
Aproveitando o poder da IA
Os investigadores acreditam que a sua abordagem representa um grande avanço no aproveitamento da inteligência artificial para estudar biologia complexa, e essa prova de conceito pode ser amplamente aplicada além da deteção da morte celular em imagens microscópicas. O software é de código aberto e disponível ao público.
A microscopia de células vivas é extremamente rica em informações que os cientistas têm dificuldade em interpretar. Mas com o uso de tecnologias como BO-CNNs, os investigadores podem agora usar sinais das próprias células para treinar a IA para reconhecer e interpretar sinais noutras células.
Ao eliminar as suposições humanas, os BO-CNNs aumentam a reprodutibilidade e a velocidade da investigação e podem ajudar os cientistas a descobrir novos fenómenos em imagens que, de outra forma, não seriam capazes de reconhecer facilmente.
https://zap.aeiou.pt/nova-tecnica-celulas-mortas-rapidez-461632
Compreender quando e porque é que uma célula morre é fundamental para o estudo do desenvolvimento humano, doença e envelhecimento.
Para doenças neurodegenerativas, como a doença de Lou Gehrig, Alzheimer e Parkinson, identificar neurónios mortos e moribundos é fundamental para desenvolver e testar novos tratamentos. Mas identificar células mortas pode ser complicado e tem sido um problema constante.
Até agora, os cientistas tinham que marcar manualmente quais células pareciam vivas e quais pareciam mortas ao microscópio. As células mortas têm uma aparência característica que é relativamente fácil de reconhecer quando sabemos o que procurar.
Uma equipa de investigadores empregou um verdadeiro exército para analisar milhares de imagens e manter um registo de quando cada neurónio numa amostra parecesse ter morrido. Infelizmente, fazer isso manualmente é um processo lento, caro e às vezes propenso a erros.
Para dificultar ainda mais as coisas, os cientistas recentemente começaram a usar microscópios automatizados para capturar continuamente imagens de células à medida que mudam ao longo do tempo.
Embora os microscópios automatizados facilitem a captura de fotos, também criam uma enorme quantidade de imagens para serem classificadas manualmente.
Ficou claro que a curadoria manual não era precisa nem eficiente. Além disso, a maioria das técnicas de imagem pode detetar apenas os estágios finais da morte celular, às vezes dias após a célula já se ter começado a decompor.
Isto torna difícil distinguir entre o que realmente contribuiu para a morte da célula de fatores apenas envolvidos na sua decomposição.
Agora, uma nova tecnologia de inteligência artificial pode identificar células mortas com precisão e velocidade sobrenaturais. Este avanço poderá acelerar todos os tipos de pesquisa biomédica, especialmente em doenças neurodegenerativas.
IA no resgate
A inteligência artificial recentemente invadiu o campo da microscopia. Uma forma de IA chamada redes neurais convolucionais (ou CNNs, na sigla em inglês) tem sido especialmente interessante porque pode analisar imagens com a mesma precisão que os humanos.
As redes neurais convolucionais podem ser treinadas para reconhecer e descobrir padrões complexos em imagens. Assim como na visão humana, dar às CNNs muitas imagens de exemplo e apontar quais recursos prestar atenção pode ensinar o computador a reconhecer padrões de interesse.
Esses padrões podem incluir fenómenos biológicos difíceis de ver a olho nu. Por exemplo, um grupo de pesquisa conseguiu treinar CNNs para identificar cancro da pele com mais precisão do que dermatologistas treinados.
Com base neste trabalho, desenvolvemos uma nova tecnologia chamada CNNs otimizadas para biomarcadores, ou BO-CNNs, para identificar células que morreram.
Primeiro, ensinaram o BO-CNN a distinguir entre células claramente mortas e claramente vivas. Depois, prepararam uma placa de Petri com neurónios de ratos que foram projetados para produzir uma proteína não-tóxica chamada indicador de morte geneticamente codificado, ou GEDI, que coloria as células vivas de verde e as células mortas de amarelo.
O BO-CNN poderia facilmente aprender que verde significava “vivo” e amarelo significava “morto”. Mas também estava a aprender outras características que distinguem células vivas e mortas que não são tão óbvias ao olho humano.
Depois de o BO-CNN aprender a identificar as características que distinguiam as células verdes das amarelas, os investigadores mostraram neurónios que não se distinguiam pela cor.
O BO-CNN foi capaz de rotular corretamente células vivas e mortas de forma significativamente mais rápida e precisa do que pessoas treinadas para fazer a mesma coisa. O modelo pode até mesmo olhar para imagens de tipos de células que não tinha visto antes tiradas de diferentes tipos de microscópios e ainda identificar corretamente as células mortas.
Aproveitando o poder da IA
Os investigadores acreditam que a sua abordagem representa um grande avanço no aproveitamento da inteligência artificial para estudar biologia complexa, e essa prova de conceito pode ser amplamente aplicada além da deteção da morte celular em imagens microscópicas. O software é de código aberto e disponível ao público.
A microscopia de células vivas é extremamente rica em informações que os cientistas têm dificuldade em interpretar. Mas com o uso de tecnologias como BO-CNNs, os investigadores podem agora usar sinais das próprias células para treinar a IA para reconhecer e interpretar sinais noutras células.
Ao eliminar as suposições humanas, os BO-CNNs aumentam a reprodutibilidade e a velocidade da investigação e podem ajudar os cientistas a descobrir novos fenómenos em imagens que, de outra forma, não seriam capazes de reconhecer facilmente.
https://zap.aeiou.pt/nova-tecnica-celulas-mortas-rapidez-461632
Sem comentários:
Enviar um comentário