Una nueva herramienta informática para estudiar células individuales ha salido a la luz gracias a un paper publicado en Cell Reports Methods.
Según el artículo, Ingenieros biomoleculares de la Universidad de California en Santa Cruz han creado un nuevo software llamado Deepsea. Un software basado en aprendizaje profundo capaz de segmentar células una por una, rastrearlas y detectar su división. Además también tiene la capacidad biológica para seguir el curso de las células hijas.
Lea también: Nacen ratones con dos papas a partir de ovulos creados con celulas masculinas
Como sabemos, el crecimiento y la división celular son dos de las características más fundamentales y esenciales de la vida. Por lo tanto, monitorear de cerca los cambios celulares a lo largo del tiempo puede brindar a los científicos información clave sobre la dinámica de estos procesos.
Hasta ahora estudiar estos mecanismos es posible gracias a la microscopía de lapso de tiempo que permite obtener imágenes en tiempo real de células vivas, y los procesos que ocurren en su interior.
Si bien, el lapso de tiempo es una gran herramienta, la técnica produce enormes cantidades de datos que son casi imposibles de clasificar manualmente. Por ende, para resolver el problema, los ingenieros de la U. de California recurrieron al aprendizaje profundo. Un campo emergente dónde las máquinas aprenden por sí mismas como lo haría el cerebro humano: va corrigiendo errores mientras observa, aprende y reacciona a situaciones complejas. En el caso de DeepSea, al estudiar más datos y examinar más imágenes microscópicas.
“El modelo [DeepSea] es más eficiente [que otros modelos], tiene menos parámetros y tanto la segmentación como el seguimiento están integrados en un software fácil de usar”, dijo Ali Shariati, el Investigador principal del estudio, en una nota de prensa.
Lea también: El primer genoma humano completo se ha publicado
En su primera prueba, el software pudo realizar la segmentación en menos de un segundo y realizar un seguimiento de las células con un 98 por ciento de precisión.
Esto es, una vez que los científicos han recopilado imágenes, deben llevar a cabo dos tareas principales: segmentación o identificación de los bordes de las células individuales entre sí y del fondo; y rastrear, o seguir una célula de un cuadro al siguiente. Sólo así, los se pueden estudiar más a fondo características como el tamaño, la forma, la textura, los movimientos y los cambios de formas, y demás.
Como podemos imaginar, la clasificación manual de las imágenes que se obtienen por esta técnica es tediosa y lleva mucho tiempo. Por lo que se hacía necesario el trabajo de una máquina. Es ahí donde el nuevo software entra en escena, DeepSea clasifica las imágenes en cuestión de milisegundos: el software detecta la división celular con alta precisión. El equipo superó un desafío existe en el campo de la inteligencia artificial, el ser capaz de seguir un «objeto» que se convierte en dos.
“Este es un problema muy inusual para el seguimiento de objetos”, dijo Shariati. “Si desea rastrear un automóvil o algo así, el automóvil se moverá y puede usar el aprendizaje automático y la visión por computadora para seguirlos mientras se mueven. Pero para las células, de repente, un objeto se convierte en dos, y ese es un problema muy nuevo que necesitábamos resolver, y pudimos hacerlo”.
Lea también: Ingenieros obtienen energía limpia de la “nada”, las 24/7
Para su estudio, el equipo se enfocó en el crecimiento y división de células madres, células que tienen la capacidad de convertirse en cualquier otro tipo de célula. Digamos que, a partir de estas células podemos obtener células del corazón o del hígado.
Los investigadores entrenaron al DeepSea utilizando un conjunto de datos de imágenes de células segmentadas manualmente a partir de sus fondos, un proceso que requiere mucho tiempo ya que las imágenes suelen tener un bajo contraste y los cuerpos celulares son difíciles de distinguir. Un obstáculo superado gracias a otra herramienta de software que ayuda a recortar, etiquetar y editar las imágenes microscópicas de las células.
Con esto, el conjunto de datos de entrenamiento produjo imágenes de pulmón, músculo y células madre, lo que significa que DeepSea logró una alta precisión en diferentes tipos de células.
Luego, utilizaron el programa para estudiar la regulación del tamaño de las células madre embrionarias.
Descubrieron que las células madre regulan su tamaño para que las células más pequeñas pasen más tiempo creciendo antes de producir la próxima generación de células. Es decir, las células madres se toman su tiempo para estar en «óptimas condiciones» antes de volver a dividirse.
“Descubrimos que si una célula madre embrionaria nace pequeña, saben que son pequeñas, por lo que pasan más tiempo creciendo antes de continuar y dividirse nuevamente”, dijo Shariati. “No sabemos por qué y cómo sucede exactamente esto, pero al menos ese fenómeno está ahí”.
Lea también: Primera cirugía cerebral de un feto en el útero
Con el primer informe de éxito, ahora los investigadores planean aplicar su software existente (de código abierto), para recopilar datos para estudiar las relaciones espaciales entre las células y cómo las características celulares se organizan en patrones tridimensionales para formar estructuras.
Los científicos también buscan resolver los cuellos de botella que han notado al usar sus modelos de aprendizaje profundo, como la falta de imágenes etiquetadas de las células que se usan para entrenar los modelos.
Planean utilizar una clase de marcos de trabajo de aprendizaje automático llamados Generative Adversarial Networks (GAN) para nuevos datos sintéticos, imágenes de células que ya están anotadas para reducir el tiempo que lleva crear etiquetas.
Al final de su investigación, los investigadores podrían tener grandes bibliotecas de conjuntos de datos de cualquier tipo de célula de interés con una participación humana mínima.
________________________
[Desde Guna Yala un artículo de Morbeb]
