המיקרוסקופ האוטונומי – מערכת למיפוי תלת-ממד של תאים בסופר-רזולוציה

חוקרים בטכניון מציגים בכתב העת Nature Methods קפיצת מדרגה במיקרוסקופיית תלת-ממד של תאים בסופר-רזולוציה. המערכת החדשנית מקצרת משמעותית את זמן יצירת התמונה בתלת-ממד, וזאת באמצעות רשת נוירונים ולמידה עמוקה. החוקרים הדגימו את יעילות המערכת באופן ניסויי במיפוי תלת-ממדי של מיטוכונדריה (יצרנית האנרגיה בתא) ובעקיבה אחר טלומרים (אזורים בקצוות הכרומוזומים, האחראים בין השאר לחלוקת התאים בגוף) בתאים חיים.

אחד האתגרים הגדולים של הביולוגיה בימינו הוא מיפוי של תהליכים ביולוגיים דינמיים בתאים חיים בסופר-רזולוציה, כלומר בכושר הפרדה הגדול פי 10 מכושר ההפרדה של מיקרוסקופ אופטי רגיל.

מיקרוסקופים, ככלל, מייצרים תמונות דו-ממדיות, אבל העולם הוא תלת-ממדי ולכן מידע דו-ממדי הוא מידע חסר. תמונות תלת-ממדיות מושגות כיום באמצעות סריקה שכבתית, כלומר דימות של שכבות שונות בדגימה ואינטגרציה שלהן באמצעים ממוחשבים לכדי תמונה תלת-ממדית. הבעיה היא שתהליך כזה מצריך זמן סריקה רב, שבמהלכו העצם הנחקר חייב להיות סטטי. בנוסף, במיקרוסקופיה האופטית הקלאסית מוגבלת רמת הרזולוציה (כושר ההפרדה) על ידי "גבול הדיפרקציה" שניסח הפיזיקאי הגרמני ארנסט קרל אַבֶּה בשנת 1873.

כאן נכנסת לתמונה DeepSTORM3D – מערכת למיפוי תלת-ממדי בסופר-רזולוציה שפיתחו החוקרים. לדברי ד"ר יואב שכטמן, שהוביל את פיתוח המערכת, "כדי לקבל מידע עומק מתמונה דו-ממדית אנחנו משתמשים בעיצוב חזית גל – שיטה אופטית המקודדת את העומק של כל מולקולה בצורה המתקבלת על המצלמה. הבעיה בשיטה זו היא שכשאנחנו מצופפים את נקודות האור הפלואורסצנטיות בדגימה כדי לקבל יותר מידע, הצורות השונות עולות זו על זו בצילום ופוגעות ברזולוציה המרחבית והזמנית."

כדי להתמודד עם האתגר רתמו החוקרים את התחום החם של למידה עמוקה (Deep learning). הם פיתחו רשת עצבית מלאכותית – מערכת המבצעת משימות חישוביות ברמת ביצועים ובמהירות חסרת תקדים. יחד עם ד"ר תומר מיכאלי מהפקולטה להנדסת חשמל ע"ש ויטרבי, מומחה בתחום זה, פיתחו החוקרים רשת עצבית המתאמנת על כמות עצומה של דגימות וירטואליות ולאחר מכן יודעת לנתח את המידע הנקלט מתמונות מיקרוסקופ של דגימות ממשיות ולהפיק ממנו תמונות תלת-ממד בסופר-רזולוציה.

לדברי ד"ר שכטמן, "הטכנולוגיה החדשה מקדמת אותנו למימוש אחת השאיפות הגדולות במחקר הביולוגי – מיפוי של תהליכים ביולוגיים בתאים חיים בסופר-רזולוציה. חשוב לי מאוד שאנשי מדעי החיים יפיקו תועלת מהמכשור שלי, ולכן אני מקיים קשרים הדוקים עם ביולוגים שמסבירים לי מהם הצרכים שלהם. ברור לי שהמערכות שאנחנו מפתחים חייבות להיות ידידותיות מספיק למשתמשים שאינם מהנדסים, ואנחנו משקיעים גם בכך מאמץ בקבוצה שלי."

רשתות הנוירונים משמשות את ד"ר שכטמן לא רק באנליזה של התמונות אלא גם בשיפור המכשור. "זה אולי הכיוון העתידי המלהיב ביותר שיצא מהפיתוח הנוכחי – הרשת העצבית סיפקה לנו את התכן הפיזי האופטימלי של המערכת האופטית. במילים אחרות – המחשב לא רק ניתח את הנתונים אלא אמר לנו איך איך לבנות את המיקרוסקופ. אפשר ליישם את הקונספט הזה גם בתחומים שאינם קשורים למיקרוסקופיה, ואנחנו עובדים על זה."

במחקר השתתפו דניאל פרידמן ממרכז המחקר של גוגל וחוקרים וסטודנטים מהפקולטה להנדסה ביו-רפואית, ממרכז לורי לוקיי למדעי החיים וההנדסה וממכון ראסל ברי לננוטכנולוגיה בטכניון: רחלי גורדון, בוריס פרדמן, ד"ר לוסיאן וייס, ד"ר אונית אללוף, טל נאור ורעות אורנג'. המחקר נערך בתמיכת הנציבות האירופית למחקר במסגרת תוכנית H2020, גוגל, הקרן הלאומית למדע וקרן צוקרמן.

לצפייה בסרטונים המסבירים את המחקר: