I ricercatori hanno sviluppato un sistema che combina imaging e intelligenza artificiale per catturare immagini in campo chiaro, diffuse lateralmente e autofluorescenza dei granelli di polline e classificare piccole molecole. [Image: University of Exeter]
Contare e classificare i minuscoli granelli di polline con un normale microscopio ottico è un lavoro duro. Ora i ricercatori hanno combinato la tecnologia ottica e l’intelligenza artificiale (AI) per accelerare la missione (New Phytologist, doi: 10.1111/nph.19186).
Attraverso un processo chiamato citometria a flusso per immagini, il team ha catturato immagini in campo chiaro, diffusione laterale e autofluorescenza di campioni di polline fossile di 5.500 anni fa. Le reti neurali computazionali hanno guidato il deep learning per classificare i grani antichi sulla base di librerie di training standard di immagini di polline preselezionate.
I ricercatori affermano che, oltre all’esplorazione del polline conservato trovato nei siti archeologici, questa tecnologia potrebbe migliorare in futuro le letture del polline atmosferico per avvisare chi soffre di allergie sulle condizioni esterne.
Citometria a flusso per immagini
Nella citometria a flusso di base, le particelle sospese in un liquido passano attraverso un ugello in un tubo stretto. Un laser, posizionato perpendicolarmente al tubo, illumina piccoli oggetti che passano attraverso il raggio e vari specchi e rilevatori raccolgono i segnali risultanti. In alcuni casi, la citometria a flusso conta e separa semplicemente le cellule o altre molecole, ma utilizzando la tecnologia di imaging microscopico, questo metodo può ottenere decine di migliaia di immagini al secondo.
Quando i ricercatori hanno addestrato la rete su immagini di polline fossile, lo strumento AI ha classificato il 100% delle molecole antiche a livello di ordine, il 77% a livello di famiglia e il 96% a livello di genere.
Il team, guidato da Claire M. Barnes, dell’Università di Swansea, Regno Unito, e Anne L. Power, dell’Università di Exeter, nel Regno Unito, ha estratto antichi granelli di polline dai sedimenti lacustri e, come campione di riferimento, ha compilato una raccolta di granuli di polline da 53 campioni moderni. Specie vegetali. I ricercatori hanno utilizzato un citometro a flusso per immagini disponibile in commercio con illuminazione a campo chiaro e cinque laser di eccitazione con una lunghezza d’onda compresa tra 405 e 785 nm. Sei canali di rilevamento hanno raccolto immagini di autofluorescenza, campo chiaro e diffusione laterale di granuli di polline vecchi e freschi con ingrandimento di 20 × e 1 μm.2 Risoluzione pixel.
Il team ha poi addestrato una rete di computer per identificare la moderna libreria di riferimento dei pollini fino al livello della specie, con il risultato che la rete ha identificato con successo il polline con una precisione fino al 93%. Quando i ricercatori hanno addestrato la rete su immagini di polline fossile, lo strumento AI ha classificato il 100% delle molecole antiche a livello di ordine, il 77% a livello di famiglia e il 96% a livello di genere, che è un livello superiore a quello di il livello del genere. Le specie nella classificazione biologica.
Previsioni sui pollini
“Incorporare una versione unica di deep learning nel nostro sistema significa che l’intelligenza artificiale è più intelligente e applica un approccio più flessibile all’apprendimento”, ha affermato Barnes in un comunicato stampa che accompagna il documento. “È in grado di gestire immagini di scarsa qualità e può utilizzare le caratteristiche comuni delle specie per prevedere a quale famiglia di piante appartiene un polline, anche se il sistema non lo ha mai visto prima durante l’addestramento.”
Nei prossimi anni, i ricercatori sperano di perfezionare e lanciare il loro sistema e di usarlo per saperne di più sul polline dell’erba, un particolare irritante per le persone con raffreddore da fieno, noto anche come allergie stagionali. “Alcuni pollini di erba sono più allergenici di altri”, ha detto Power. “Se riusciamo a comprendere meglio i tipi di pollini prevalenti in momenti specifici, ciò porterà a miglioramenti nelle previsioni sui pollini che potrebbero aiutare le persone con raffreddore da fieno a pianificare di ridurre la loro esposizione”.
