2014年，诺贝尔化学奖庆祝了超分辨率显微镜的突破，这项技术使我们能够使用荧光显微镜捕获细胞小部分的高度详细图像。尽管取得了成功，超分辨率显微镜的分辨率仍然无法显示细胞内细胞器之间的微小距离。
这一差距正是人工智能(AI)和生物医学计算机视觉的交叉点，来自SFU计算科学和UBC生物医学工程学院和生命科学研究所的研究人员揭示了AI如何增强超分辨率显微镜功能并促进细胞生物学的进步。他们的使命很明确：通过创新算法(AI)克服硬件(超分辨率显微镜)的局限性。
他们的最新工作发表在《细胞生物学杂志》上，介绍了一种名为MCS-DETECT的可扩展重建算法。这种新颖的算法就像一个数字侦探，无需分割即可检测大显微镜体积中的膜接触位点(MCS)。这项开创性的研究展示了人工智能软件如何增强超分辨率显微镜的功能。
细胞生物学和疾病研究的跨学科方法
BenCardoen、GhassanHamarneh、KurtVandevoorde、GuangGang、MileneOrtizSilva和IvanRobertNabi之间的合作强调了了解细胞功能在健康和疾病中的重要性。该团队使用超分辨率显微镜来捕获细胞小部分及其相互作用的图像。关键的创新在于开发一种算法来量化这些相互作用，而无需进行劳动密集型的分割。
与现有方法不同，他们的算法可以处理强度变化并适应通道和细胞中的不同强度。它避免了分割，分割通常需要劳动密集型的像素注释，这在微观层面上是不切实际的。
这项研究的意义超出了实验室范围。它帮助我们了解细胞生物学和神经退行性和代谢性疾病等复杂疾病的机制。该团队的工作可能有助于寻找新的细胞连接，为更快、更精确地了解受影响的细胞铺平道路，从而提高理解和有针对性的疾病治疗。
研究结果延伸到现实世界，影响药物发现、细胞健康以及我们对细胞对压力和感染反应的理解。研究人员开发的MCS-DETECT工具可以检测影响线粒体健康和新陈代谢并与许多疾病有关的接触。这项新研究将帮助科学家分析基因组或药物破坏如何影响细胞健康并获得见解。
研究人员展示了他们的发现，并提供了源代码和工具，提高了透明度并鼓励科学界进一步探索。该团队目前正在深入研究riboMERC的复杂作用，并将其工具应用于活细胞以探索动态相互作用。
该研究获得了大量资助，强调从项目一开始就认识到其潜力。这项工作的影响超出了学术范围。它可以影响未来的研究轨迹并为研究人员打开新的大门。
新发现
通过将人工智能与超分辨率显微镜相结合，细胞生物学正在以令人兴奋的新方式取得进展。这种跨学科方法不仅突破了计算机科学应用的界限，而且有望揭开细胞生物学的奥秘，并有助于开发针对毁灭性疾病的靶向治疗方法。
随着研究人员不断探索新的途径，我们可以预期对细胞内不可见的世界有更精确和突破性的见解。