AI analyserar cellernas rörelse i mikroskop
Den enorma mängden data som man får när man filmar biologiska processer i ett mikroskop har tidigare varit ett hinder för att kunna göra analyser. Med hjälp av artificiell intelligens (AI) kan forskare vid Göteborgs universitet nu följa cellernas rörelse över tid och rum. Metoden kan underlätta utvecklingen av effektivare cancermediciner.
Att studera rörelser och beteenden hos celler och biologiska molekyler i ett mikroskop ger grundläggande information för att bättre förstå processer som rör vår hälsa. Studierna av hur cellerna beter sig vid olika scenarier är viktigt för att kunna utveckla ny teknik och behandlingar inom medicin.
– Under de senaste två decennierna har optisk mikroskopi genomgått en kraftig utveckling. Det gör det möjligt för oss att studera biologiskt liv in i minsta detalj i både rum och tid. Levande materia rör sig i alla möjliga riktningar och i olika hastighet, säger Jesús Pineda, doktorand vid Göteborgs universitet och huvudförfattare till den vetenskapliga artikeln i Nature Machine Intelligence.
Matematik beskriver partiklars relationer
Utvecklingen har gett dagens forskare så stora mängder data att det blir nästan omöjligt att analysera. Men nu har forskarna vid Göteborgs universitet utvecklat en AI-metod som kombinerar grafteori och neurala nätverk som kan plocka ut tillförlitlig information från filmsekvenser.
Grafteorin är en matematisk struktur som används för att beskriva relationerna mellan olika partiklar i det studerade materialet. Det går att likna vid ett socialt nätverk där partiklarna interagerar och påverkar varandras beteende direkt eller indirekt.
– AI-metoden använder informationen i grafen för att anpassa sig till olika situationer och kan lösa flera uppgifter i olika experiment. Till exempel kan vår AI rekonstruera vägen som enskilda celler eller molekyler tar när de rör sig för att uppnå en viss biologisk funktion. Det gör att forskare kan testa effektiviteten hos olika läkemedel och se hur väl de fungerar som potentiella behandlingar för cancer, säger Jesús Pineda.
Läkemedelsföretag använder AI-metoden
Dessutom gör AI-metoden det möjligt att beskriva alla dynamiska aspekter av partiklarna i situationer där andra metoder inte skulle vara effektiva. Av denna anledning har läkemedelsföretag redan införlivat denna metod i sin forsknings- och utvecklingsprocess.
Vetenskaplig artikel i Nature Machine Intelligence: Geometric deep learning reveals the spatiotemporal features of microscopic motion
Kontakt: Jesús Pineda, doktorand på Institutionen för fysik vid Göteborgs universitet, telefon: 0709-23 03 14, e-post: jesus.pineda@physics.gu.se
Neurala nätverk lär sig hämta just den information som en forskare vill ha från en bild, genom att använda självövervakat lärande. Verktyget förenklar analysprocessen och gör det möjligt att snabbt få ut mycket och detaljerad information från de dataspäckade filmerna.