Kaliforniya Üniversitesi, Los Angeles (UCLA), Vanderbilt Üniversitesi ve Delft Teknoloji Üniversitesi’nden uluslararası bir araştırmacı ekibi, görüntüleme kütle spektrometrisi (IMS) yoluyla üretilen görüntüleri neredeyse lekeleyen yapay zeka (AI) yöntemi geliştirdi. Araştırma dergide yayınlandı Bilim ilerlemeleri.
Bu işbirlikçi çaba, hepsi kimyasal boyama gerektirmeden mekansal çözünürlük ve hücresel düzey detaylarında önemli gelişmeler sağlamıştır. Yenilikçi bir difüzyon tabanlı üretken modelden yararlanarak, ekip değerli doku örneklerini korurken geleneksel histokimyasal boyama ile karşılaştırılabilir görüntüler üretebilir.
Görüntüleme kütle spektrometrisi, olağanüstü kimyasal özgüllüğe sahip biyolojik dokular içinde yüzlerce ila binlerce moleküler türü haritalayabilen güçlü bir araçtır. Bununla birlikte, geleneksel IMS, her ikisi de moleküler profilleri doku yapısı bağlamında doğru bir şekilde yorumlamak için gerekli olan nispeten düşük uzamsal çözünürlük ve hücresel morfolojik detay eksikliği ile sınırlıdır.
Bu işbirlikçi çalışmada, ekip bu zorlukların üstesinden gelmek için yeni bir difüzyon temelli sanal boyama yaklaşımı sundu. Yöntemleri, düşük çözünürlüklü, etiketsiz IMS verilerini dijital olarak, histokimyasal olarak lekelenmiş numunelere, özellikle de polisakkaritleri, glikoproteinleri, glikoproteinleri, glikolipidleri ve mikinleri vurgulayan periyodik asit-schiff (PAS) ile boyanmış olanları yakından benzeyen yüksek çözünürlüklü parlak alan mikroskopi görüntülerine dönüştürür.
Dikkat çekici bir şekilde, AI çerçevesi, geleneksel optik mikroskopi görüntülerinden yaklaşık 10 kat daha büyük bir piksel boyutuna sahip IMS verilerine rağmen bunu başarır.
İlgili yazar UCLA Profesör Aydogan Ozcan, “Bu difüzyon tabanlı yaklaşım, kütle spektrometresi görüntülerinin yorumlanabilirliğini önemli ölçüde artırıyor” dedi. “Mikroskobik düzeyde histolojik detaylar getiriyor, hepsi dokuyu kimyasal olarak boyanmadan moleküler özgüllük ve hücresel morfoloji arasındaki boşluğu dolduruyor.”
İnsan böbrek dokuları üzerindeki kör testlerde, neredeyse lekelenmiş görüntüler kimyasal olarak lekeli meslektaşlarıyla yakından eşleşti ve patologların kritik böbrek yapılarını ve hastalık özelliklerini doğrudan sanal görüntülerden doğru bir şekilde tanımlamalarını sağladı.
Ayrıca, araştırmacılar, hem klinik hem de araştırma uygulamalarını potansiyel olarak destekleyerek oldukça tutarlı ve güvenilir boyama sonuçları sağlamak için AI çıkarım sırasında gürültü örnekleme sürecini optimize ettiler.
Bu teknik, IMS odaklı biyomedikal araştırma ve teşhis için önemli faydalar sunarak emek yoğun kimyasal boyama ve karmaşık görüntü kayıt adımlarına olan ihtiyacı ortadan kaldırır. Ayrıca, daha ileri moleküler analizler için doku bütünlüğünü korur, böylece kütle spektrometrisi bazlı moleküler histoloji iş akışlarını kolaylaştırır ve hızlandırır.
Profesör Ozcan, “Bu yaklaşımın mekansal biyoloji ve klinik teşhis alanlarında yeni olasılıklar açacağını düşünüyoruz.”
“Sadece kütle spektrometresi verilerinden dijital olarak yüksek kaliteli histolojik görüntüler üreterek, iş akışlarını kolaylaştırabilir ve potansiyel olarak biyomedikal keşfi ilerletebiliriz.”
