Международная группа исследователей из Калифорнийского университета в Лос-Анджелесе (UCLA), Университета Вандербильта и Технологического университета Делфта разработала метод искусственного интеллекта (ИИ), который виртуально окрашивает изображения, полученные с помощью масс-спектрометрии визуализации (IMS). Исследование [опубликовано](https://www.science.org/doi/10.1126/sciadv.adv0741) в журнале Science Advances.
Значительные улучшения благодаря совместным усилиям
Благодаря совместным усилиям удалось добиться значительного улучшения пространственного разрешения и детализации на клеточном уровне, причём без необходимости химического окрашивания. Используя инновационную генеративную модель, основанную на диффузии, команда может в цифровом формате создавать изображения, сопоставимые с традиционными гистохимическими окрасками, при этом сохраняя ценные образцы тканей.
Масс-спектрометрия визуализации
Масс-спектрометрия визуализации — это мощный инструмент, способный отображать сотни и тысячи молекулярных видов в биологических тканях с исключительной химической специфичностью. Однако обычная IMS ограничена относительно низким пространственным разрешением и отсутствием клеточной морфологической детализации, которые необходимы для точной интерпретации молекулярных профилей в контексте структуры ткани.
В этом совместном исследовании команда представила новый подход к виртуальной окраске на основе диффузии, чтобы преодолеть эти проблемы. Их метод в цифровом формате преобразует данные IMS с низким разрешением в изображения для световой микроскопии высокого разрешения, которые очень напоминают гистохимически окрашенные образцы, в частности те, которые окрашены с помощью периодической кислотно-шиффной реакции (PAS), которая выделяет полисахариды, гликопротеины, гликолипиды и муцины в тканях.
Примечательно, что ИИ достигает этого, несмотря на то, что размер пикселя в данных IMS почти в 10 раз больше, чем в традиционных изображениях оптической микроскопии.
«Этот подход на основе диффузии значительно улучшает интерпретируемость изображений масс-спектрометрии», — сказал ответственный автор, профессор Айдоган Озкан из UCLA. «Он виртуально вводит гистологические детали на микроскопическом уровне, устраняя разрыв между молекулярной спецификой и клеточной морфологией, и всё это без химического окрашивания ткани».
В слепых тестах на тканях почек человека виртуально окрашенные изображения были очень похожи на их химически окрашенные аналоги, что позволило патологам точно идентифицировать важные почечные структуры и особенности заболеваний непосредственно по виртуальным изображениям.
Кроме того, исследователи оптимизировали процесс выборки шума во время логического вывода ИИ, чтобы обеспечить высокосогласованные и надёжные результаты окрашивания, что потенциально может поддержать как клинические, так и исследовательские приложения.
Этот метод предлагает значительные преимущества для биомедицинских исследований и диагностики, основанных на IMS, устраняя необходимость в трудоёмком химическом окрашивании и сложных этапах регистрации изображений. Он также сохраняет целостность тканей для дальнейших молекулярных анализов, тем самым оптимизируя и ускоряя рабочие процессы молекулярной гистологии на основе масс-спектрометрии.
«Мы предполагаем, что этот подход откроет новые возможности в пространственной биологии и клинической диагностике», — добавил профессор Озкан. «Создавая в цифровом формате высококачественные гистологические изображения только на основе данных масс-спектрометрии, мы можем оптимизировать рабочие процессы и потенциально ускорить биомедицинские открытия».
Предоставлено:
[UCLA Engineering Institute for Technology Advancement](https://phys.org/partners/ucla-engineering-institute-for-technology-advancement/)