Эрдэмтэд өмнө нь нээгдээгүй эсийн ертөнцийг судлахын тулд өндөр нарийвчлалтай микроскоп ашиглан эсийн дотор нанометрийн масштабтай эсүүдийг илрүүлжээ. Энэ арга нь гэрлийн микроскопод хувьсгал хийж, зохион бүтээгчид нь 2014 онд химийн Нобелийн шагнал хүртсэн. Олон улсын хамтын ажиллагааны хүрээнд Тюбинген хотын хиймэл оюун ухааны судлаачид энэ технологийг хурдасгах алгоритмыг боловсруулжээ.
Single-molecule localization microscopy (SMLM) буюу нэг молекулын нутагшуулах микроскоп нь супер нарийвчлалтай микроскопын нэг төрөл юм. Энэ нь флюресцент молекулуудаас сонирхож буй уураг шошголох, гэрлийг ашиглан хэдхэн молекулыг идэвхжүүлэхэд оршино. Үүнийг ашиглан нэг дээжийн олон зургийг олж авдаг. Чанартай зураг бүтээхийн тулд компьютерийн програм нь өгөгдлийг задалж, дүрсийг бүтээдэг. Энэхүү техникийг молекулыг өндөр нарийвчлалтай олоход ашиглаж болох боловч нэг том дутагдалтай тал нь эрдэмтэдээс олон тооны зураг авахыг шаарддаг бөгөөд энэ процесс нь маш их цаг хугацаа шаарддаг.
Олон улсын хамтын ажиллагааны хүрээнд Тюбингены их сургуулийн шинжлэх ухааны машин судлалын профессор Жакоб Макегийн баг SMLM-ийн энэхүү хязгаарлалтыг давах шинэ алгоритмыг боловсруулжээ. Европын молекул биологийн лабораторийн (EMBL) Райз групптэй хамтарсан ажлыг Хайдельберг, Жанелиа судалгааны кампус дахь доктор Сринивас Турага нарын баг (Виржиниа, АНУ) Nature Methods сэтгүүлд нийтлэв.
Deep learning буюу гүнзгий сургалтын арга нь нэг молекулыг маш нарийвчлалтай байршуулах боломжийг олгодог.
DECODE (DEep COntext DEpendent) алгоритм нь deep leaning аргад суурилдаг: Энэ нь training set буюу сургалтын өгөгдлөөс суралцдаг нейрол нетворкийг ашигладаг. Гэсэн хэдий ч бодит зургийг ашиглахын оронд сүлжээг тоон симуляцаар үүсгэсэн синтетик мэдээллээр сургадаг. Микроскопийн тохиргоо, дүрсний физикийн талаархи мэдээллийг нэгтгэснээр судлаачид бодит ертөнцтэй нийцэхүйц симуляцийг хийжээ. "Бидний сургалтын өгөгдлийг ашиглан сургасан нейрол нетворк нь флюорофорыг бодит дүрсээр илрүүлж, нутагшуулж чаддаг" гэж Лукас-Рафаэль Мюллертэй хамт нийтлүүлсэн тэргүүлэгч зохиолч Артур Спайсер тайлбарлав.
DECODE -ийн нэг давуу тал нь фторофорыг урьд өмнө байснаас өндөр нягтралтай нарийвчлалтай илрүүлж нутагшуулдаг явдал юм. Энэ нь дээж авахад цөөн тооны зураг шаардлагатай гэсэн үг юм. Үүний үр дүнд нарийвчлалын алдагдал багатайгаар дүрслэл хийх хурдыг 10 дахин нэмэгдүүлэх боломжтой. Нэмж дурдахад DECODE нь эргэлзээтэй байдлыг тоон үзүүлэлтээр тодорхойлж чаддаг тул нейроны байршлыг өөрөө илрүүлж чаддаг.
Салбар хоорондын хамтын ажиллагаа нь судалгааг өргөжүүлдэг
Машин сургалтын лаборатори
болон тооцоолох микроскопийн мэргэжилтнүүдтэй хамтран ажилласнаар бид
тэдгээрийг SMLM өгөгдөлд дүн шинжилгээ хийх хүчирхэг арга болгон ашиглаж
чадсан.
Тус баг мөн DECODE алгоритмыг хэрэгжүүлдэг програм хангамжийн багцыг бүтээжээ. EMBL -ээс Жонас Райс доктор "Програм хангамжийг суулгахад хялбар, ашиглахад үнэ төлбөргүй байдаг тул ирээдүйд олон эрдэмтдэд хэрэг болно гэж найдаж байна" гэж хэлэв.
Эх сурвалж: https://techxplore.com/news/2021-09-machine-biological-image-analysis.html
Бэлтгэсэн: Мэдээллийн технологийн салбар, ЭША, Б.Хажидмаа