Para observar las señales neuronales rápidas en el cerebro de un pez, los científicos comenzaron a utilizar una técnica llamada microscopía de campo de luz, que permite obtener imágenes de estos rápidos procesos biológicos en 3D. Pero las imágenes generalmente carecen de calidad y se necesitan horas o días para convertir grandes cantidades de datos en películas y volúmenes en 3D.
Ahora, los científicos de EMBL han combinado algoritmos de inteligencia artificial (IA) con dos técnicas de microscopía de vanguardia: un avance que reduce el tiempo de procesamiento de imágenes de días a segundos, al tiempo que garantiza que las imágenes resultantes sean nítidas y precisas. Los resultados se publican en Los métodos de la naturaleza.
«Al final, pudimos obtener ‘lo mejor de ambos mundos’ en este enfoque», dijo Nils Wagner, uno de los dos autores principales del artículo y ahora estudiante de doctorado en la Universidad Técnica de Munich. «La IA nos permitió combinar diferentes técnicas de microscopía, de modo que pudiéramos obtener imágenes tan rápido como lo permite la microscopía de campo de luz y acercarnos a la resolución de imagen de la microscopía de hoja de luz».
Aunque la microscopía de lámina de luz y la microscopía de campo de luz parecen similares, estas técnicas tienen diferentes ventajas y desafíos. La microscopía de campo de luz captura grandes imágenes en 3D que permiten a los investigadores rastrear y medir movimientos increíblemente finos, como el latido del corazón de una larva de pez, a velocidades muy altas. Pero esta técnica produce grandes cantidades de datos, que pueden tardar días en procesarse, y las imágenes finales a menudo carecen de resolución.
La microscopía de portaobjetos de luz se centra en un solo plano 2D de una muestra determinada a la vez, de modo que los investigadores puedan obtener imágenes de muestras con mayor resolución. En comparación con la microscopía de campo de luz, la microscopía de hoja de luz produce imágenes que son más rápidas de procesar, pero los datos no son tan completos ya que capturan solo información de un solo plano 2D a la vez.
Para aprovechar los beneficios de cada técnica, los investigadores de EMBL desarrollaron un enfoque que utiliza microscopía de campo de luz para obtener imágenes de grandes muestras 3D y microscopía de hoja de luz para entrenar los algoritmos de IA, que luego crean una muestra de imagen 3D precisa.
«Si crea algoritmos que producen una imagen, debe comprobar que esos algoritmos están construyendo la imagen correcta», explica Anna Kreshuk, líder del grupo EMBL cuyo equipo aportó experiencia de aprendizaje automático al proyecto. En el nuevo estudio, los investigadores utilizaron microscopía óptica para asegurarse de que los algoritmos de IA estuvieran funcionando, dice Anna. «Esto hace que nuestra investigación se destaque de lo que se ha hecho en el pasado».
Robert Prevedel, el líder del grupo EMBL cuyo grupo contribuyó a la nueva plataforma de microscopía híbrida, señala que el verdadero cuello de botella en la construcción de mejores microscopios generalmente no es la tecnología óptica, sino la informática. Por eso, en 2018, él y Anna decidieron unir fuerzas. «Nuestro método será realmente fundamental para las personas que quieran estudiar cómo calcula el cerebro. Nuestro método puede crear imágenes de un cerebro completo de una larva de pez en tiempo real», dice Robert.
Él y Anna dicen que este enfoque podría modificarse para funcionar con diferentes tipos de microscopios, lo que eventualmente permitiría a los biólogos observar docenas de especímenes diferentes y ver mucho más, mucho más rápido. Por ejemplo, puede ayudar a encontrar genes que están involucrados en el desarrollo del corazón o medir la actividad de miles de neuronas al mismo tiempo.
A continuación, los investigadores planean explorar si el método se puede aplicar a especies más grandes, incluidos los mamíferos.
###
El coautor del estudio, Fynn Beuttenmüller, estudiante de doctorado del grupo Kreshuk en EMBL Heidelberg, no tiene dudas sobre el poder de la IA. «Los métodos computacionales continuarán aportando emocionantes avances a la microscopía».
Descargo de responsabilidad: AAAS y EurekAlert! ¡no somos responsables de la exactitud de los comunicados de prensa publicados en EurekAlert! por las instituciones contribuyentes o para el uso de cualquier información a través del sistema EurekAlert.
