(a)用于输入的裁剪FRIL图像(b)由人类专家注释的地面真实图像(c)带有注释的网络生成图像d .辨别器网络，用于辨别真实图像和虚假图像。信用:马克斯·普朗克佛罗里达东北泌尿科学研究所从样品制备到图像采集，电子显微镜(EM)需要精确和耗时的步骤来产生以高分辨率可视化小细胞结构所需的清晰度和细节。此外，一旦创建了电磁图像，通过分析从其中提取生物信息可能是一项更加费力和耗时的任务。尤其是因为目前的E M分析软件往往需要科学家熟练的眼睛来手动查看数百张图像。马克斯·普朗克佛罗里达神经科学研究所(MPFI)的一个跨学科科学家团队凭借一点独创性和尖端神经网络的应用，创造了一种新的强大的分析软件，旨在简化这一漫长过程的一部分。该项目与电子显微镜核心实验室和克里斯蒂实验室合作，给两名高中生布置了一项任务，要求他们大幅改进现有的基于计算机的电磁图像蛋白质分布分析技术。与使用荧光标记的传统光学显微镜不同，电子显微镜需要用金纳米粒子标记蛋白质，以便在细胞内可视化它们。该软件开玩笑地命名为“掘金者”，使用深度学习的方法来识别与感兴趣的特定蛋白质结合的金颗粒。
在他们发表在《科学报告》上的新文章中，MPFI团队设计了一种适应性强、基于深度学习的算法，能够准确识别不同尺寸的金颗粒。这种完全自动化的方法将加快计算过程，并产生更精确的蛋白质在膜上分布的位置信息，从而加速新的突破。
深度学习或神经网络是一种计算策略，允许软件随着时间的推移逐步学习。与人脑非常相似，这些类型的算法能够将视觉场景解构为单个组件，并被教会识别某些方面。通过提供重新注释的“训练数据”，该软件学会了如何为给定的任务复制和模仿人类的行为，这是计算机在不久的过去无法做到的。
“该项目的挑战之一是，找到一种方法来训练我们的软件，使其只识别电子显微照片上看起来暗的金颗粒，而不是由细胞表面不均匀引起的看起来相似的阴影；一些以前只有训练有素的电磁专家才能做到的事情，”MPFI大学神经数据科学家、该出版物的对应作者迈克尔·斯米尔诺夫博士解释道。“我们发现，通过输入足够的训练数据并纠正算法中出现的错误，我们的软件可以以接近人类水平的精度将黄金粒子与这些阴影伪影区分开来。我认为这确实证明了我们技术的稳健性和实用性。”
这个项目始于两名高中数据科学学生迭戈·赫雷斯和埃莉诺·斯图尔特的好奇心，但很快它就发展成为一个更加复杂和跨学科的项目。该出版物的第一作者迭戈·赫雷斯(Diego Jerez)解释说:“我感到非常幸运，能够获得独特的机会，将我们在课堂上学到的东西应用到现实世界的科学追求中，并亲眼目睹数据科学如何帮助解决科学问题。“这些年轻的学生在这种类型的编码和概念工作中表现出了真正的天赋，我为他们所取得的成就感到无比自豪。我迫不及待地想看到他们未来对科学界的贡献，”斯米尔诺夫博士描述道。
掘金软件的小型紧凑架构主要用于冷冻断裂复制品电磁，但它是专门设计的，可在各种电磁应用之间推广和兼容，包括放大倍数、图像面积、细胞类型和金颗粒大小的变化。该软件将很快开源发布，并包括一个用户友好的界面。各地的科学家将有机会充分利用和改进这一创新算法。
“我们团队的协同工作对于弥合这些专业领域之间的差距至关重要，”MPFI电子显微镜核心设备负责人娜奥米·卡马泽瓦博士解释道。“但这正是马克斯·普朗克学会所做的——把对各种主题充满热情的人聚集在一起，让他们一起发挥创造力。当你这样做的时候，一切皆有可能。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
