Reconstruções celulares fluorescentes em 3D através de imagens bidimensionais de luz transmitida!

Créditos da imagem: Ounkomol et al, 2018

A microscopia de fluorescência, que usa sondas ou tags fluorescentes para identificar partes específicas das células, é muito precisa, mas permite que os cientistas vejam apenas algumas estruturas na célula por vez. As células humanas têm mais de 20.000 proteínas diferentes que, se vistas juntas, podem revelar informações importantes sobre células saudáveis e doentes.
Cientistas do Instituto Allen usaram aprendizado de máquina para treinar computadores e observar partes da célula que o olho humano não consegue distinguir facilmente. Usando imagens 3D de células fluorescentemente marcadas, a equipe de pesquisa ensinou os computadores a encontrar estas mesmas estruturas dentro de imagens de luz transmitida, que não apresenta marcações fluorescentes. Este protocolo foi publicado na Nature Methods.
O método se baseia em correlacionar imagens de fluorescência e predizer as mesmas estruturas nas imagens de luz transmitidas, gerando imagens integradas. A metodologia apresentada tem um potencial amplo de uso em muitos campos de imagem. Primeiramente, pode reduzir ou mesmo eliminar captura rotineira de algumas imagens fluorescente, economizando reagentes e tempo. Notavelmente, os dados de treinamento não exigem anotação manual, pouco ou nenhum prá-processamento, e um número relativamente pequeno de exemplos emparelhados (fluorescência x transmitida). Apenas algumas imagens de DAPI, por exemplo, são o suficiente para as análises em dezenas de imagens de luz transmitida e de distintos tipos celulares, mostrando nessas imagens onde estão o núcleo.

Vejo o trabalho na íntegra:

Label-free prediction of three-dimensional fluorescence images from transmitted-light microscopy

Keywords: #microscopy; #cellbiology; #correlativemicroscopy