L’IA élimine l’ennui de l’électrophorèse sur gel avec une analyse rapide et précise

Les scientifiques de l’Université d’Édimbourg ont exploité la puissance de l’IA dans un nouvel outil qui promet d’accélérer l’analyse des données des expériences d’électrophorèse sur gel.

La technique est largement utilisée à travers les sciences biologiques pour séparer et analyser les biomolécules et systématiquement utilisé pour informer de nombreuses activités de biomolécule telles que la manipulation génomique, la super-coilage de l’ADN ou l’évaluation du succès ou de l’échec de l’assemblage d’une bionanostructure ou d’un conjugué artificiel.

Le principe central de l’électrophorèse sur gel est simple: les biomolécules sont en suspension dans les puits d’encart dans une matrice de gel, une tension est appliquée et les particules chargées sont poussées à travers la matrice. La taille et la charge de différentes molécules les font se déplacer à différents taux, ce qui entraîne un motif de code-barres de “bandes” s’étendant d’un puits dans une “voie”. Ces modèles peuvent être photographiés et interprétés pour fournir des informations qualitatives et quantitatives sur le contenu d’un échantillon.

Malgré les progrès sans précédent dans le traitement d’images ces dernières années, les méthodes logicielles pour l’analyse des images gel sont restées essentiellement inchangées pendant des décennies. La plupart, sinon la totalité, les approches d’analyse d’image impliquent un processus manuel ou semi-automatique de sculpture numérique et de bandes à partir d’une image avant de résumer l’intensité des pixels dans chaque bande. Ce processus est fastidieux, sujette à l’erreur de l’utilisateur et s’appuie sur des hypothèses qui rendent difficile la lutte contre les bandes avec des formes irrégulières ou des trajectoires courbes.

Cependant, en encadrant l’extraction et l’analyse des bandes de gel à partir d’une image en tant que tâche d’IA, un modèle d’apprentissage automatique peut automatiser la plupart des étapes fastidieuses du processus d’analyse, tout en éliminant également les biais et les hypothèses inhérentes aux approches manuelles.

L’équipe d’Édimbourg a commencé son projet en créant un ensemble de données étendu de plus de 500 images de gel marquées humaines avec une gamme de scénarios expérimentaux communs. Ils ont utilisé cet ensemble de données pour former un réseau neuronal léger pour identifier avec précision les bandes à partir d’images.

Le résultat a été un modèle très efficace capable d’identifier les bandes indépendamment de leur qualité, de leur intensité de fond et même de la présence de discontinuités inattendues telles que des morceaux de gel déchirés. De plus, l’approche a pu produire des résultats de quantification qui correspondaient ou dépassés par ceux générés à l’aide d’outils conventionnels.

Pour permettre aux autres d’appliquer la technique à leurs données, l’équipe a également développé Gelgenie, une application graphique open source qui permet aux utilisateurs d’extraire des bandes d’images de gel sur leurs propres appareils, sans connaissances ni expérience expertes requises.

L’ensemble de données, les poids des modèles et le cadre de script ont également été publiés pour permettre à d’autres à utiliser ou à affiner les modèles pour des applications plus spécialisées ou leurs propres pipelines personnalisés.

Le Dr Matthew Aquilina, qui a co-dirigé le projet alors qu’il était à l’Université d’Édimbourg, actuellement chercheur postdoctoral à l’Université Harvard et au Dana-Farber Cancer Institute,: “Au meilleur de nos connaissances, Gelgenie est la première plate-forme logicielle à enquêter avec une analyse de gel universelle en utilisant les autres. raffinements et amélioration des fonctionnalités. “

La Dre Katherine Dunn, Université d’Édimbourg, School of Engineering, qui a co-dirigé le projet et supervisé le Dr Aquilina, a déclaré: “L’électrophorèse sur gel est largement utilisée dans l’ensemble universitaire et l’industrie, mais la plupart des scientifiques utilisent des méthodes relativement peu sophistiquées pour analyser l’analyse de l’électrophorèse sur les gels.

L’étude est publiée dans la revue Communications de la nature.