Noticias sobre óptica y fotónica: clasificación de polen mediante láser

Contar y clasificar pequeños granos de polen bajo un microscopio óptico común es un trabajo tedioso. Ahora los investigadores han combinado tecnología óptica e inteligencia artificial (IA) para acelerar la tarea (New Phytologist, doi: 10.1111/nph.19186).

A través de un proceso llamado citometría de flujo de imágenes, el equipo capturó imágenes de campo brillante, dispersión lateral y autofluorescencia de especímenes de polen fósiles de 5.500 años de antigüedad. Las redes neuronales computacionales guiaron el aprendizaje profundo para categorizar granos antiguos basándose en bibliotecas de entrenamiento estándar de imágenes de polen previamente identificadas.

Además de explotar el polen conservado encontrado en sitios arqueológicos, la técnica podría mejorar futuras lecturas de polen atmosférico para alertar a las personas alérgicas sobre las condiciones exteriores, afirman los investigadores.

Citometría de flujo por imágenes

En la citometría de flujo básica, las partículas suspendidas en un fluido pasan a través de una boquilla hacia un tubo estrecho. Un láser, colocado perpendicular al tubo, ilumina pequeños objetos que pasan zumbando en fila india a través del haz, y varios espejos y detectores capturan las señales resultantes. En algunos casos, la citometría de flujo simplemente cuenta y separa células u otras partículas, pero con la tecnología de imágenes microscópicas, el método puede adquirir decenas de miles de imágenes por segundo.

Cuando los investigadores entrenaron la red con imágenes de granos de polen fósiles, la herramienta de IA categorizó el 100% de las partículas antiguas a nivel de orden, el 77% a nivel de familia y el 96% a nivel de género.

El equipo, dirigido por Claire M. Barnes de la Universidad de Swansea, Reino Unido, y Ann L. Power de la Universidad de Exeter, Reino Unido, extrajo polen antiguo de núcleos de sedimentos de lagos y, como muestra de referencia, reunió una colección de granos de polen de 53 ejemplares modernos. especies de plantas. Los investigadores emplearon un dispositivo de citometría de flujo de imágenes disponible comercialmente con iluminación de campo brillante y cinco láseres de excitación con longitudes de onda de 405 a 785 nm. Seis canales de detección recolectaron imágenes de autofluorescencia, campo claro y dispersión lateral de polen antiguo y moderno con un aumento de 20 × y 1 μm.^dos resolución de píxeles.

A continuación, el equipo entrenó una red computacional para reconocer la biblioteca de referencia de polen moderna hasta el nivel de especie, lo que resultó en la identificación exitosa del polen con una precisión del 93%. Cuando los investigadores entrenaron la red basándose en imágenes de granos de polen fósiles, la herramienta de IA categorizó el 100% de las partículas antiguas en el nivel de orden, el 77% en el nivel de familia y el 96% en el nivel de género, que es un nivel. mayor de especies en taxonomía biológica.

Previsión de polen

«Incorporar una versión única de aprendizaje profundo en nuestro sistema significa que la inteligencia artificial es más inteligente y aplica un enfoque más flexible al aprendizaje», dijo Barnes en un comunicado de prensa que acompaña al artículo. «Puede manejar imágenes de baja calidad y utilizar características de especies compartidas para predecir a qué familia de plantas pertenece el polen, incluso si el sistema no lo ha visto antes durante el entrenamiento».

En los próximos años, los investigadores esperan perfeccionar y lanzar su sistema y usarlo para aprender más sobre el polen de pasto, un irritante particular para las personas que sufren de fiebre del heno, también conocida como alergias estacionales. «Algunos pólenes de pasto son más alergénicos que otros», dijo Power. «Si podemos comprender mejor qué pólenes prevalecen en momentos específicos, esto conduciría a mejoras en el pronóstico del polen que podrían ayudar a las personas con fiebre del heno a planificar para reducir su exposición».