En el nano-mundo, las partículas diminutas, como las proteínas, parecen bailar mientras se transforman y ensamblan para realizar diversas tareas mientras están suspendidas en un líquido. Los métodos desarrollados recientemente han hecho posible observar y registrar estos pequeños movimientos que de otro modo serían esquivos, y los investigadores ahoradé un paso adelante desarrollando un flujo de trabajo de aprendizaje automático para agilizar el proceso.
El nuevo estudio, dirigido por Qian Chen, profesora de ciencia e ingeniería de materiales en la Universidad de Illinois, Urbana-Champaign, se basa en su trabajo anterior con microscopía electrónica de fase líquida y se publica en la revista Ciencia Central ACS .
Ser capaz de ver y registrar los movimientos de las nanopartículas es esencial para comprender una variedad de desafíos de ingeniería. La microscopía electrónica de fase líquida, que permite a los investigadores observar cómo las nanopartículas interactúan dentro de pequeños recipientes de muestras similares a acuarios, es útil para la investigación enmedicina, energía y sostenibilidad ambiental y en la fabricación de metamateriales, por nombrar algunos. Sin embargo, es difícil interpretar el conjunto de datos, dijeron los investigadores. Los archivos de video producidos son grandes, están llenos de información temporal y espacial y son ruidosos debido aseñales de fondo; en otras palabras, requieren mucho procesamiento y análisis de imágenes tediosos.
"Desarrollar un método incluso para ver estas partículas fue un gran desafío", dijo Chen. "Descubrir cómo obtener de manera eficiente las piezas de datos útiles de un mar de valores atípicos y ruido se ha convertido en el nuevo desafío".
Para enfrentar este problema, el equipo desarrolló un flujo de trabajo de aprendizaje automático que se basa en una red neuronal artificial que imita, en parte, la potencia de aprendizaje del cerebro humano. El programa se basa en una red neuronal existente, conocida como U-Net, que no requiere características hechas a mano o entradas predeterminadas y ha producido avances significativos en la identificación de características celulares irregulares utilizando otros tipos de microscopía, informa el estudio.
"Nuestro nuevo programa procesó información para tres tipos de dinámica de nanoescala, incluido el movimiento, la reacción química y el autoensamblaje de nanopartículas", dijo el autor principal y estudiante de posgrado Lehan Yao. "Estos representan los escenarios y desafíos que hemos encontrado en el análisis devideos de microscopía electrónica de fase líquida. "
Los investigadores recopilaron mediciones de aproximadamente 300,000 pares de nanopartículas que interactúan, informa el estudio.
Como se encontró en estudios anteriores del grupo de Chen, el contraste sigue siendo un problema al obtener imágenes de ciertos tipos de nanopartículas. En su trabajo experimental, el equipo utilizó partículas hechas de oro, que son fáciles de ver con un microscopio electrónico. Sin embargo,Las partículas con pesos elementales o moleculares más bajos como proteínas, polímeros plásticos y otras nanopartículas orgánicas muestran un contraste muy bajo cuando se ven bajo un haz de electrones, dijo Chen.
"Las aplicaciones biológicas, como la búsqueda de vacunas y medicamentos, subrayan la urgencia de nuestro impulso para que nuestra técnica esté disponible para obtener imágenes de biomoléculas", dijo. "Existen interacciones críticas a nanoescala entre los virus y nuestro sistema inmunológico, entre los medicamentos yel sistema inmunológico, y entre el fármaco y el virus mismo que debe entenderse. El hecho de que nuestro nuevo método de procesamiento nos permita extraer información de las muestras, como se demuestra aquí, nos prepara para el siguiente paso de sistemas de aplicación y modelo ".
El equipo ha puesto a disposición del público el código fuente del programa de aprendizaje automático utilizado en este estudio a través de la sección de información complementaria del nuevo artículo. "Creemos que hacer que el código esté disponible para otros investigadores puede beneficiar a toda la comunidad de investigación de nanomateriales".Chen dijo.
Vea la microscopía electrónica en fase líquida con aprendizaje automático combinado en acción : http://www.youtube.com/watch?v=0NESPF8Rwsc
Fuente de la historia :
Materiales proporcionado por Universidad de Illinois en Urbana-Champaign, Oficina de noticias . Original escrito por Lois Yoksoulian. Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :