從樣品制備到圖像采集,電子顯微鏡(EM)需要精確且耗時(shí)的步驟才能產(chǎn)生清晰可見的細(xì)節(jié),從而以高分辨率可視化小型細(xì)胞結(jié)構(gòu)。此外,一旦創(chuàng)建了EM圖像,通過分析從其中提取生物學(xué)信息可能是一項(xiàng)更加費(fèi)力且耗時(shí)的任務(wù)。特別是因?yàn)楫?dāng)前的EM分析軟件通常需要科學(xué)家的熟練技術(shù)才能手動查看數(shù)百幅圖像。
借助馬克斯·普朗克佛羅里達(dá)神經(jīng)科學(xué)研究所(MPFI)的跨學(xué)科研究團(tuán)隊(duì)的獨(dú)創(chuàng)性和尖端神經(jīng)網(wǎng)絡(luò)的應(yīng)用,他們創(chuàng)建了旨在簡化部分冗長過程的新型強(qiáng)大分析軟件。與電子顯微鏡核心設(shè)施和科視實(shí)驗(yàn)室合作,該項(xiàng)目要求兩名高中生極大地改進(jìn)了已建立的基于計(jì)算機(jī)的技術(shù),用于分析EM圖像中的蛋白質(zhì)分布。與使用熒光標(biāo)記的傳統(tǒng)光學(xué)顯微鏡不同,EM要求蛋白質(zhì)用金納米顆粒標(biāo)記,以便在細(xì)胞內(nèi)可視化它們。該軟件被戲稱為“ Gold Digger”,它使用深度學(xué)習(xí)方法來識別與特定目標(biāo)蛋白質(zhì)結(jié)合的金顆粒。
MPFI團(tuán)隊(duì)在《科學(xué)報(bào)告》的新出版物中設(shè)計(jì)了一種可適應(yīng)的,基于深度學(xué)習(xí)的算法,能夠準(zhǔn)確識別不同大小的金顆粒。這種完全自動化的方法將加快計(jì)數(shù)過程,并生成跨膜的蛋白質(zhì)分布的更精確的位置信息,從而加快新的突破。
深度學(xué)習(xí)或神經(jīng)網(wǎng)絡(luò)是一種計(jì)算策略,可讓軟件隨著時(shí)間的推移逐步學(xué)習(xí)。就像人的大腦一樣,這些類型的算法能夠?qū)⒁曈X場景分解為各個組成部分,并被教導(dǎo)識別某些方面。通過提供預(yù)先注釋的“訓(xùn)練數(shù)據(jù)”,該軟件可以學(xué)習(xí)如何復(fù)制和模仿給定任務(wù)的人為行動,這是計(jì)算機(jī)在不遠(yuǎn)的過去無法做到的。
標(biāo)簽: 神經(jīng)網(wǎng)絡(luò)
免責(zé)聲明:本文由用戶上傳,如有侵權(quán)請聯(lián)系刪除!