🔬 Представьте, что вы сидите у пруда и слушаете кваканье лягушек. Вам нужно узнать, сколько лягушек в пруду, но вы не можете различить отдельные звуки — только общий шум, который то усиливается, то ослабевает по мере того, как лягушки начинают и прекращают общаться.
💡 Но что, если бы вы могли изучить эти изменения громкости, чтобы определить количество лягушек в пруду? Именно такая идея лежит в основе нового метода, разработанного в лаборатории Функе в Джанелиа. Этот метод позволяет подсчитывать отдельные молекулы, содержащиеся в одном пятне света, обнаруженном с помощью флуоресцентного микроскопа. Это важно для понимания биологии живых систем. Статья опубликована в журнале Nano Letters.
🔬 Подобно кваканью лягушек у пруда, одно пятно света, захваченное флуоресцентным микроскопом, состоит из множества отдельных элементов — в данном случае флуоресцентно меченных молекул.
🔍 Разрешение микроскопа ограничено физикой света и самой системой, поэтому прибор может фиксировать только сумму этих отдельных вкладов — их общую яркость. Как громкость кваканья у пруда, общее пятно меняет интенсивность со временем по мере того, как молекулы включаются и выключаются.
🧠 Чтобы создать свой новый метод, команда сначала смоделировала весь путь света через систему — от фотонов, покидающих флуорофор, до создания пятна, обнаруженного микроскопом. На основе этого они создали «трассировку» или график интенсивности пятна во времени, который зависит от всех параметров системы, как известных, так и неизвестных.
📊 Вооружившись этой моделью машинного обучения, исследователи затем занялись определением неизвестных параметров на реальном изображении пятна света, обнаруженного микроскопом. Для этого они сопоставили свою модель с трассировкой интенсивности этого пятна во времени.
🔍 Регулируя параметры своей модели для воспроизведения реальной трассировки, они смогли определить неизвестные величины, включая количество отдельных молекул, содержащихся в одном пятне.
В отличие от предыдущих методов подсчёта, которые дают одно число отдельных молекул, содержащихся в пятне, новый метод, называемый blinx, даёт вероятностное распределение всех возможных ответов. Это позволяет исследователям увидеть достоверность предсказаний модели и решить, нужны ли им дополнительные данные.
«Иногда данные просто не поддерживают однозначный ответ. Может быть так много колебаний, что информации просто нет», — говорит руководитель группы в Джанелиа Ян Функе. «Эта модель может сказать вам: я действительно не знаю».
🔬 Blinx также может подсчитывать больше отдельных молекул, чем аналогичные методы, что делает его потенциально полезным для идентификации отдельных белков в образце, по словам исследователей. Белки состоят из разного количества различных аминокислот, поэтому возможность обнаружения точного количества нескольких ключевых аминокислот может помочь определить, какие белки присутствуют.
Функе говорит, что надеется, что не только биологи начнут использовать blinx, но и другие исследователи улучшат новый метод. «Я думаю, что это закладывает основу для нового поколения таких алгоритмов», — говорит он.
Исследователи говорят, что разработка blinx потребовала усилий исследовательского института, такого как Джанелиа. «Это супер амбициозный проект: есть относительно низкая вероятность того, что всё получится, и для этого требуется много междисциплинарных знаний», — говорит Алекс Хиллсли, бывший научный сотрудник лабораторий Функе и Стерна, который руководил проектом. «Вам нужен кто-то, кто действительно разбирается в химии, вам нужен кто-то, кто действительно разбирается в визуализации сверхразрешения, вам нужен кто-то, кто действительно разбирается в моделировании, и я не могу представить, чтобы всё это объединилось, кроме как в таком месте, как Джанелиа».
Предоставлено Howard Hughes Medical Institute.