Przełomowa technika opracowana przez naukowców związanych z USC Michelson Center for Convergent Bioscience prezentuje nowy sposób zbierania i organizowania bardzo szczegółowych informacji o tkankach organicznych w rekordowym czasie. Metody te mogą być kiedyś wykorzystane do szybkiego przetwarzania biopsji tkanek w leczeniu raka lub wykrywania bakterii w zakładach przetwórstwa spożywczego. Tkanki emitują sygnały, czyli pola własne, które choć wykrywalne, są bardzo słabe i trudne do rozróżnienia. Technika, opisana szczegółowo w dwóch pracach opublikowanych w Nature Methods i Cell Reports Methods, wykorzystuje złożony algorytm matematyczny do poprawy jakości sygnałów, a następnie ich rozdzielenia. Nowa technika jest porównywalna z tym, jak serwisy streamingowe prezentują różne poziomy kompresji, aby zapewnić, że ich wideo jest spójne bez względu na połączenie internetowe użytkownika, według Francesco Cutrale, głównego badacza i asystenta badawczego w USC Viterbi School of Engineering. Algorytm wyszczególniony w Nature Methods na początku tego roku kontynuuje ostatnie udoskonalenia podejść do obrazowania wysokiej zawartości wykorzystujących fluorescencję. Dzięki wysokiemu kontrastowi i specyficzności, a także możliwościom adaptacyjnym, fluorescencja umożliwiła wykrywanie i definiowanie konkretnych cząsteczek. Jednak te nowsze techniki nie sprawdzają się w obrazowaniu próbek żywych lub in vivo, ponieważ mają one ograniczoną czułość i mogą uszkodzić próbki. W artykule zespół badawczy pokazał, jak technika zwana Hybrid Unmixing może być wykorzystana do czystej i wydajnej analizy żywej tkanki organicznej. Technika ta wykorzystuje mieszanie liniowe, metodę analizy różnych składników w obrębie próbki oznaczanych przez związki chemiczne zwane fluoroforami. Następnie wizualizują te składniki za pomocą hiperspektralnych fazorów, które wykorzystują całe spektrum kolorów, a nie tylko czerwony, niebieski i zielony. W ten sposób, Hybrid Unmixing pozwala na równoczesne obrazowanie jasnych i ciemnych elementów oznakowanych w tkance organicznej, nawet przy słabym oświetleniu. Umożliwiając jednoczesną analizę zachowań komórkowych i metabolizmu komórkowego tych znakowanych składników, technika ta zapewni dokładniejszy wgląd w złożoność systemów biologicznych. "W przestrzeni badawczej istnieje nacisk na zrozumienie złożonych systemów biologicznych" - powiedział Cutrale. "Podczas gdy badacze zazwyczaj badają tylko dwie lub trzy etykiety na raz, prawda jest taka, że istnieje więcej niż tylko kilka czynników oddziałujących w obrębie komórek. Wyzwanie polega na tym, że sygnały te często wydają się bardzo podobne, co utrudnia ich rozróżnienie. W naszej pracy udało się zidentyfikować i rozdzielić aż 14 różnych sygnałów. Ten przełom zapewni naukowcom bardziej kompleksowe zrozumienie aktywności wewnątrz systemów komórkowych i biologicznych." Algorytm stanowi fundament dla licznych zastosowań z punktu widzenia przemysłu, powiedział Cutrale. "Pracujemy w naukach przyrodniczych, ale łatwo wyobrazić sobie liczne zastosowania do oceny jakości owoców, obecności pestycydów lub sposobu optymalizacji produkcji w wielu innych dziedzinach" - powiedział. Kolejna praca, opublikowana dziś w Cell Reports Methods, opisuje sprzęt - nazwany SHy-Cam, skrót od Single-shot Hyperspectral Phasor Camera zaprojektowany przez zespół badawczy, zoptymalizowany do przechwytywania tego typu informacji. Typowe techniki obrazowania tkanek wykorzystujące fluorescencję używają kanałów kolorystycznych w całym spektrum, aby skompensować nakładanie się etykiet. Technika ta zmniejsza szybkość obrazowania, a w przypadku wystawienia na działanie nadmiernego światła może ostatecznie uszkodzić próbki. W przypadku SHy-Cam naukowcy byli w stanie wykorzystać nowy algorytm do uzyskania informacji spektralnej szybko i efektywnie, w kamerze, która może być zbudowana z już dostępnych komponentów optycznych. Nowy sprzęt opisany w pracy jest w stanie pozyskać 30 zestawów danych na sekundę, z wydajnością fotonów na poziomie ponad 80%. Czyni to z niego potężne narzędzie do wielokolorowego obrazowania in-vivo, stwierdzili badacze. "Jak tworzysz dwuwymiarowy obraz za pomocą czujnika 2D? Robisz zdjęcie" - powiedział Cutrale. "Naszym wyzwaniem jest jak uchwycić zestaw danych 3D za pomocą czujnika 2D. Typowy czujnik koloru pozyskuje trzy kolory czerwony, niebieski i zielony lub otrzymuje wszystko przez swoje czujniki w skali szarości. "W naszym przypadku musimy zażądać 42 kanałów informacji to nie jest powszechne, ani wydajne. Zaprojektowaliśmy w tym artykule nowe podejście, które może uzyskać zakodowaną wersję informacji spektralnej za pomocą jednego obrazu." Cutrale powiedział, że robią to poprzez wykorzystanie światła. Zespół zaprzągł światło do przekształcenia informacji i użył go do wykonania obliczeń przed skompresowaniem go na czujniku. Używając tego podejścia, zespół pokazał, jak może odbierać całe spektrum i wymiary obrazu. "Uchwyciliśmy osie X i Y obrazu jego wysokość i szerokość a także informacje spektralne na osi długości fali, wszystko razem w jednym obrazie za pomocą standardowej kamery" - powiedział. "To dość potężne podejście. W tym podejściu sprzętowym uzyskaliśmy wydajność, która w niektórych przypadkach jest do ośmiu razy szybsza niż istniejące oprzyrządowanie. Innymi słowy, osiem razy więcej światła dociera do czujnika kamery w ten skompresowany sposób."