Az Eötvös Loránd Kutatási Hálózathoz tartozó Szegedi Biológiai Kutatóközpont Biológiai képfeldolgozó és gépi tanulási munkacsoportja dr. Horváth Péter bioinformatikus vezetésével, valamint dr. Tamás Gábor neurobiológus professzor, a Szegedi Tudományegyetem Agykérgi Neuronhálózatok Kutatócsoportjának vezetője több éve dolgoznak együtt olyan rendszermikroszkópiai megoldásokon, amelyek új utakat nyitottak az egyedi sejtek vizsgálatában. Legújabb fejlesztésük az Autopatcher névre hallgató, mesterséges intelligencia segítségével működő elektrofiziológiai eljárás, amelyet a nagy presztízsű Nature Communications folyóiratban ismertettek február 10-én.
A módszer több tekintetben is egyedülálló: a sejtvizsgálatok natív (festés vagy egyéb jelölés nélküli) agyszöveti mintákon történnek, gépi látás és mesterséges intelligencia felhasználásával.
A mélytanulási algoritmusokra épülő, több ezer kép elemzése alapján kidolgozott szoftver a kamerakép alapján képes a mikroszkópba integrált mikropipetta helyének automatikus meghatározására, valamint a pipetta precíz mozgatására, és ennek révén a célsejtek automatikus felismerésére, illetve a célzott sejtek térbeli elmozdulásának észlelésére. A mesterséges intelligenciával vezérelt rendszer a vizsgálat céljától függően minden egyes célsejtet úgy választ ki, hogy a mérés sikeressége a lehető legnagyobb legyen. Az új technológia hozzájárul többek között új emberi sejttípusok felfedezéséhez vagy az agyi idegsejtek kapcsolatainak részletes megismeréséhez. Tamás Gábor professzor hasonló módszerrel fedezett fel korábban egy új emberi agysejttípust, így a most kifejlesztett új eljárás további nagy jelentőségű felfedezések reményét vetíti előre.
Gépi látás és automatizálás
A gépi tanulásra – vagyis mesterséges intelligenciára, illetve ennek egyik válfajára, az úgynevezett mélytanulásra (deep learning) – épülő algoritmusok a mikroszkóprendszerbe épített kamera képei alapján vezérlik a mikropipettát. Ez az úgynevezett gépi látás az emberi szemnél jóval precízebb, mikrométer pontosságú célzást biztosít. A gépi tanulás fázisa után a rendszer már az ismeretlen agyszöveti mintában is képes felfedezni a meghatározott sejttípusokat. A kiválasztott sejt membránjához irányított pipettába épített miniatűr elektróda egyenként képes ingerelni a sejteket. A finoman szabályozható stimulációra adott válaszreakció követésével fontos információk nyerhetők az élettani sejtaktivitásról anélkül, hogy a beavatkozás károsítaná a sejtet.
