Los científicos de la Universidad de Carolina del Norte en Chapel Hill han creado un nuevo método de seguimiento de partículas basado en el aprendizaje automático que es mucho más preciso y proporciona una mejor automatización que las técnicas actualmente en uso.
El seguimiento de una sola partícula implica el seguimiento del movimiento de partículas individuales, como virus, células y nanopartículas cargadas de drogas, dentro de fluidos y muestras biológicas. La técnica es ampliamente utilizada tanto en ciencias físicas como biológicas. El equipo de UNC-Chapel Hillque desarrolló el nuevo método de seguimiento utiliza el seguimiento de partículas para desarrollar nuevas formas de tratar y prevenir enfermedades infecciosas. Examinan las interacciones moleculares entre anticuerpos y biopolímeros y caracterizan y diseñan portadores de fármacos de tamaño nano. Su trabajo se publica en el Actas de la Academia Nacional de Ciencias .
"Para obtener el significado de los videos, debe convertir los videos en datos cuantitativos", dijo Sam Lai, Ph.D., profesor asociado de la Facultad de Farmacia de la UNC Eshelman y uno de los creadores del nuevo rastreador"Con el software actual, los investigadores deben supervisar cuidadosamente la conversión de video para garantizar la precisión. Esto a menudo lleva muchas semanas o meses, y limita en gran medida tanto el rendimiento como la precisión".
"Nos cansamos del cuello de botella"
La raíz del problema se puede rastrear a la pequeña cantidad de parámetros, como el tamaño de partículas, el brillo y la forma, utilizados por el software actual para identificar el rango completo de partículas presentes en cualquier video. Las cosas se pierden porque noAlison Schaefer, una estudiante de doctorado en el laboratorio de Lai, dijo que los parámetros se ajustan bastante a los parámetros que varían según los operadores diferentes. Esto crea un tremendo desafío con la reproducibilidad de datos, ya que dos usuarios que analizan el mismo video con frecuencia obtienen diferentesresultados.
"Los autos autónomos funcionan porque pueden ver y rastrear muchos objetos diferentes a su alrededor en tiempo real", dijo M. Gregory Forest, Ph.D., Profesor Distinguido Grant Dahlstrom en los Departamentos de Matemáticas y Aplicados de la UNCCiencias físicas y coautor principal del proyecto.
"Nos preguntamos si podríamos crear una versión de ese tipo de inteligencia artificial que pudiera rastrear miles de partículas a nanoescala a la vez y hacerlo automáticamente"
Como resultado, pudieron y utilizaron su descubrimiento para lanzar las soluciones de seguimiento de AI basadas en Chapel Hill, que buscan comercializar la nueva tecnología. La compañía recibió un premio de Transferencia de Tecnología para Pequeñas Empresas de los Institutos Nacionales de Salud para comercializarLa tecnología.
Lai y sus colaboradores en el Departamento de Matemáticas de la UNC diseñaron una red neuronal artificial para trabajar en su problema. Las redes neuronales se basan libremente en el cerebro humano, pero aprenden al recibir una gran cantidad de ejemplos. Por ejemplo, si unla red neuronal necesita reconocer fotos de perros, se muestran muchas fotos de perros. No necesita saber cómo se ve un perro; lo descubrirá a partir de los elementos comunes de las fotografías. Cuanto mejores sean los ejemplos,mejor será la red neuronal.
El equipo de UNC primero enseñó el rastreador de redes neuronales a partir de un conjunto de datos generados por computadora. Luego refinaron aún más el rastreador utilizando datos de alta calidad de experimentos pasados realizados en el laboratorio de Lai. El resultado fue un nuevo rastreador con miles de pozosparámetros ajustados que pueden procesar una amplia gama de videos de forma totalmente automática, son al menos 10 veces más precisos que los sistemas actualmente en uso, son altamente escalables y poseen una reproducibilidad perfecta, dijo Lai. El equipo documentó su logro en las Actas delAcademia Nacional de Ciencias.
El nuevo sistema está listo justo a tiempo para soportar la creciente disponibilidad de microscopios potentes capaces de recolectar terabytes de video 2D y 3D de alta resolución en un solo día, dijo Jay Newby, Ph.D., autor principal del estudio y unprofesor asistente en la Universidad de Alberta.
"El seguimiento del movimiento de partículas a escala nanométrica es fundamental para comprender cómo los patógenos rompen las barreras de la mucosa y para el diseño de nuevas terapias farmacológicas", dijo Newby. "Nuestro avance proporciona, en primer lugar, una automatización sustancialmente mejorada. Además, nuestro métodomejora enormemente la precisión en comparación con los métodos actuales y la reproducibilidad entre usuarios y laboratorios ".
Fuente de la historia :
Materiales proporcionado por Universidad de Carolina del Norte en Chapel Hill - Oficina de Comunicación de Investigación . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :