Des semaines de travail en quelques heures : un outil d'IA analyse les membranes cellulaires
Trois outils dans un seul logiciel – et très peu de données suffisent
Annonces
Les membranes cellulaires et les protéines qu'elles contiennent régulent de nombreux processus vitaux et jouent un rôle clé dans la santé et la maladie. Mais jusqu'à présent, leur étude à partir d'images 3D de cellules impliquait un travail manuel fastidieux. Une équipe de Helmholtz Munich, de l’Université technique de Munich (TUM) et du Biozentrum de l’Université de Bâle a développé MemBrain v2, un outil d’intelligence artificielle qui automatise cette tâche, réduisant ainsi à quelques heures un travail qui prenait auparavant plusieurs semaines.
Ce logiciel librement accessible détecte les membranes, localise des protéines membranaires spécifiques et analyse leur disposition spatiale, révélant ainsi comment les processus cellulaires s’organisent au niveau moléculaire. Selon l’application, l’IA ne nécessite que peu, voire aucune donnée d’entraînement supplémentaire pour accomplir cette tâche. Cela permet aux chercheurs du monde entier d’étudier en détail le fonctionnement des cellules, plus rapidement et à une échelle bien plus grande.
La tomographie cryo-électronique (cryo-ET) est une technique de microscopie particulière qui permet aux chercheurs d’observer l’intérieur des cellules – en trois dimensions et à très haute résolution. Les cellules étant congelées instantanément pour cette procédure, elles sont préservées pratiquement intactes, depuis les structures cellulaires globales jusqu’aux molécules individuelles. Les membranes, cependant, ont jusqu’à présent été difficiles à analyser dans ce type de données.
« L’un des défis réside dans le fait que les images de cryo-ET peuvent présenter des lacunes en raison des limites techniques du processus d’imagerie. Par conséquent, certaines orientations des membranes sont difficiles, voire partiellement impossibles à observer. C’est précisément là qu’intervient MemBrain v2, en automatisant le processus », explique Lorenz Lamm, premier auteur de l’étude.
Optimisation d’une technologie clé en biologie cellulaire
MemBrain-seg détecte directement les membranes, sans que les utilisateurs aient à fournir d’annotations supplémentaires ni de données d’apprentissage. MemBrain-pick ne nécessite lui aussi qu’une faible quantité de données d’apprentissage : lors d’un test, les chercheurs ont annoté manuellement les positions de complexes protéiques sur une seule membrane. Sur la base de ces annotations, l’outil a localisé les complexes protéiques correspondants sur d’autres membranes avec un score F1 de 91 %. Jusqu’à présent, ces données d’images 3D devaient être étiquetées minutieusement à la main, et les résultats pouvaient rarement être réutilisés pour de nouveaux ensembles de données. Les programmes existants ne traitaient généralement que certaines parties de l’analyse – par exemple, le tracé des contours des membranes ou la localisation des protéines à l’intérieur de celles-ci.
Trois outils en un seul logiciel – et peu de données suffisent
Pour la première fois, MemBrain v2 combine trois étapes au sein d’un seul outil d’IA : il identifie les membranes (MemBrain-seg), localise les protéines qui y sont intégrées (MemBrain-pick) et mesure la disposition de ces protéines (MemBrain-stats).
Dans plusieurs applications, l’outil a donné des résultats équivalents à ceux d’analyses manuelles minutieuses, mais s’est avéré considérablement plus rapide. Il est également facile à utiliser et peut être appliqué à d’autres questions de recherche sans ajustements majeurs. Comme tous ses composants sont open source, le module de détection des membranes est déjà largement utilisé à travers le monde et a, par exemple, été appliqué à divers ensembles de données du Chan Zuckerberg Imaging Institute.
« En rendant ces analyses plus rapides et accessibles aux groupes de recherche du monde entier, nous pouvons étudier les processus cellulaires à partir d’ensembles de données bien plus volumineux. Cela peut, à terme, nous aider à mieux comprendre le fonctionnement des cellules – et ce qui change lorsque la maladie se développe », explique l’auteur principal, le Dr Tingying Peng.
Des ensembles de données plus volumineux et des distinctions plus fines à venir
MemBrain v2 a déjà permis d’acquérir de nouvelles connaissances biologiques : dans une autre étude, cet outil a montré que d’importantes protéines impliquées dans la photosynthèse sont spatialement séparées au sein de la membrane, remettant ainsi en question les modèles antérieurs concernant leur organisation. À l’avenir, il devrait permettre de distinguer encore plus précisément les différents types de protéines.
« Je suis particulièrement heureux que MemBrain v2 soit désormais utilisé dans de nombreuses autres études, où il simplifie des analyses complexes, voire les rend possibles, apportant ainsi une contribution concrète à de nouvelles découvertes biologiques », déclare Lorenz Lamm, premier auteur de l’étude.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Autres actualités du département science
