Ouvrez n’importe quel livre d’introduction à la biologie et vous verrez un diagramme familier : une cellule d’aspect blobby remplie de structures aux couleurs vives, le mécanisme interne qui fait fonctionner la cellule.
Les biologistes cellulaires connaissent depuis des décennies les fonctions de base de la plupart de ces structures, appelées organites. Les mitochondries en forme de haricot produisent de l’énergie, par exemple, et de minces microtubules aident la cargaison à glisser autour de la cellule. Mais malgré tout ce que les scientifiques ont appris sur ces écosystèmes miniatures, beaucoup de choses restent inconnues sur la façon dont leurs parties fonctionnent ensemble.
Aujourd’hui, la microscopie à haute puissance – plus une forte dose d’apprentissage automatique – contribue à changer cela. De nouveaux algorithmes informatiques peuvent identifier automatiquement environ 30 types différents d’organites et d’autres structures dans des images haute résolution de cellules entières, rapporte une équipe de scientifiques du Howard Hughes Medical Center du Janelia Research Institute le 6 octobre 2021 dans le journal. tempérer la nature.
Il serait presque impossible d’analyser manuellement les détails de ces images dans toute la cellule, explique Aubrey Weigel, qui a dirigé l’équipe du projet Janelia, appelée COSEM (pour segmenter les organites cellulaires en microscopie électronique). Une seule cellule de données se compose de dizaines de milliers d’images. Le suivi de tous les organites de la cellule à travers cet ensemble d’images pourrait prendre plus de 60 ans à une seule personne. Mais de nouveaux algorithmes permettent de cartographier une cellule entière en quelques heures, pas en années.
En utilisant l’apprentissage automatique pour traiter les données, nous avons pensé que nous pouvions reconsidérer la vue de base de la cellule. »
Aubrey Weigel, scientifique, Janelia Research Campus à l’Institut médical Howard Hughes
En plus de deux articles d’accompagnement dans tempérer la natureLes scientifiques de Janelia ont également publié le portail de données OpenOrganelle, où tout le monde peut accéder aux ensembles de données et aux outils qu’ils ont créés.
Ces ressources sont inestimables pour les scientifiques qui étudient comment les organites maintiennent le fonctionnement des cellules, déclare Jennifer Lippincott-Schwartz, chef de groupe et présidente par intérim du 4D Cellular Physiology Research District à Janelia, qui utilise déjà les données dans ses propres recherches. « Ce que nous ne savions pas vraiment, c’est comment les différents organites et structures sont disposés les uns par rapport aux autres – comment ils se touchent et communiquent les uns avec les autres, et combien d’espace ils occupent », dit-elle.
Pour la première fois, ces relations cachées apparaissent.
Données détaillées
Le voyage de l’équipe COSEM a commencé avec des données recueillies par des microscopes électroniques à haute puissance logés dans une chambre spéciale résistante aux vibrations à Janelia.
Depuis 10 ans, ces microscopes produisent des clichés haute résolution du cerveau de la mouche. Le chef du groupe Janelia Harald Hess et le scientifique principal Shan Xu ont conçu ces oscilloscopes pour broyer des fragments très minces du cerveau d’une mouche à l’aide d’un faisceau d’ions focalisé – une approche appelée imagerie FIB-SEM. Les oscilloscopes capturent les images couche par couche, puis les programmes informatiques assemblent ces images en une représentation 3D détaillée du cerveau. Sur la base de ces données, les chercheurs de Janelia ont publié la carte neuronale la plus détaillée du cerveau de la mouche à ce jour.
Au milieu de l’imagerie du cerveau de la mouche, l’équipe de Hess et Shaw a également examiné d’autres échantillons. Au fil du temps, ils ont collecté une gamme de données à partir de nombreux types de cellules, y compris des cellules de mammifères. « Nous avons pensé que cette imagerie détaillée de cellules entières pourrait être d’un plus grand intérêt pour les biologistes cellulaires », a déclaré Hess.
Weigel, alors postdoctorante dans le laboratoire de Lippincott-Schwartz, a commencé à extraire ces données pour ses propres recherches. « La puissance d’analyse de l’imagerie FIB-SEM était incroyable, nous avons pu voir des choses à un niveau que nous n’avions jamais imaginé auparavant, mais il y avait plus d’informations dans un échantillon que je ne pouvais analyser en plusieurs vies », explique Weigel. Réalisant que d’autres personnes chez Janelia travaillaient sur des projets informatiques qui pourraient accélérer les choses, j’ai commencé à organiser une collaboration.
« Toutes les pièces étaient ici à Janelia », dit-elle, et la formation de l’équipe du projet COSEM a aidé à atteindre un objectif commun.
fixer des limites
Larissa Heinrich, étudiante diplômée dans le laboratoire du chef de groupe Stefan Salfeld, a développé des outils d’apprentissage automatique qui peuvent identifier les synapses, les connexions entre les neurones, dans les données de microscopie électronique. Pour COSEM, il a adapté ces algorithmes pour cartographier ou diviser les organites en cellules à la place.
Les algorithmes de segmentation de Saalfeld et Heinrich ont fonctionné en attribuant un numéro à chaque pixel de l’image. Le nombre reflète la distance entre un pixel et le point d’entrelacement le plus proche. Ensuite, j’ai utilisé cet algorithme de nombres pour identifier et étiqueter toutes les synapses de l’image. Saalfeld dit que les algorithmes COSEM fonctionnent de manière similaire, mais avec plus de dimensions. Ils classent chaque pixel par leur distance à 30 types différents d’organites et de structures. Ensuite, les algorithmes combinent tous ces nombres pour prédire où seront les organites.
En utilisant les données de scientifiques qui ont tracé manuellement les limites des organites et attribué des nombres aux pixels, l’algorithme peut apprendre que certains ensembles de nombres sont irrationnels, explique Saalfeld. « Ainsi, par exemple, un pixel ne peut pas être dans une mitochondrie en même temps dans le réticulum endoplasmique. »
Pour répondre à des questions telles que le nombre de mitochondries dans une cellule ou sa surface, les algorithmes doivent aller plus loin, explique le chef du groupe Jan Funk. Son équipe a construit des algorithmes qui incluent une connaissance préalable des propriétés des organites. Par exemple, les scientifiques savent que les microtubules sont longs et minces. Sur la base de ces informations, l’ordinateur peut juger du début et de la fin des microtubules. L’équipe peut observer comment ces connaissances préalables affectent les résultats d’un programme informatique, qu’elles rendent l’algorithme plus ou moins précis, puis procéder aux ajustements nécessaires.
Après deux ans de travail, l’équipe COSEM s’est fixée sur un ensemble d’algorithmes qui génèrent de bons résultats pour les données collectées jusqu’à présent. Weigel dit que ces résultats sont une base importante pour les recherches futures sur Janelia. Un nouvel effort mené par Xu amène l’imagerie FIB-SEM à des niveaux de détail encore plus élevés. Une autre équipe de projet qui sera bientôt lancée, appelée CellMap, améliorera les outils et les ressources de COSEM pour créer une base de données plus complète d’annotations cellulaires, avec des images détaillées de nombreux types de cellules et de tissus.
Ensemble, ces avancées soutiendront le prochain domaine de recherche de Janelia pendant 15 ans, la physiologie cellulaire 4D – un effort que Lippincott-Schwartz dirige par intérim pour comprendre comment les cellules interagissent les unes avec les autres au sein de chacun des différents types de tissus qui composent un organisme. , déclare White Korf, directeur des équipes de projet chez Janelia.
Avec de nouvelles ressources telles que celles créées par l’équipe COSEM, « nous pouvons vraiment commencer à répondre à ces questions, d’une manière à laquelle nous n’avons pas pu accéder par le passé », a déclaré Corv.
La source:
Référence de la revue :
Heinrich, L.; et al. (2021) Segmentation des organites de cellules entières en microscopie électronique en volume. tempérer la nature. doi.org/10.1038/s41586-021-03977-3.
