Группа исследователей из Калифорнийского университета (UCLA) представила метод виртуального окрашивания по Граму, который может изменить методы окрашивания и классификации бактерий микробиологами.
Новая технология использует искусственный интеллект для преобразования микроскопических изображений неокрашенных бактерий в их окрашенные по Граму эквиваленты, минуя традиционный процесс химического окрашивания. Результаты исследования опубликованы в журнале Science Advances.
Окрашивание по Граму является краеугольным камнем микробиологии уже более века и это лабораторный метод, используемый для разделения бактерий на две большие группы (грамположительные и грамотрицательные) на основе химических и физических свойств их клеточных стенок. Исследование, проведенное под руководством профессора Айдогана Озкана, представляет собой значительное достижение в области методов дифференциации бактерий. Их работа решает давние проблемы традиционного окрашивания по Граму, включая противоречивость, связанную с ошибками операторов и вариациями химического окрашивания.
Система использует темнопольную микроскопию для получения изображений высокого разрешения неокрашенных бактерий в сочетании с технологией глубокого обучения для виртуального преобразования этих изображений в их эквиваленты, окрашенные по Граму. Обученная нейросетевая модель обрабатывает трехмерный осевой стек изображений, полученных с помощью темнопольной микроскопии, быстро обрабатывая трехмерную информацию об оптическом рассеянии бактериальных клеток для цифрового окрашивания бактерий, что соответствует результатам традиционного окрашивания по Граму.
«Традиционное окрашивание по Граму, хотя и является основополагающим в микробиологии, имеет ограничения, которые могут повлиять на точность диагностики», - пояснил Озкан. «Наш подход к виртуальному окрашиванию устраняет эти переменные, обеспечивая надежные и быстрые результаты без необходимости использования химических реагентов или ручной обработки образцов микробиологами». Авторы продемонстрировали эффективность технологии на бактериальных образцах, содержащих как грамположительные, так и грамотрицательные бактерии (Listeria innocua и Escherichia coli). Результаты виртуального окрашивания показали высокую точность по сравнению с традиционным методом окрашивания по Граму, а также дополнительные преимущества воспроизводимости и стандартизации.
Технология виртуального окрашивания по Граму обладает многочисленными преимуществами для клинических лабораторий, исследовательских учреждений и учебных заведений. Система позволяет быстро дифференцировать бактерии, не требуя никаких этапов химической обработки, что значительно упрощает рабочий процесс микробиологического анализа. Отказ от ручных процедур окрашивания обеспечивает высокую стабильность результатов, которые не зависят от оператора, что является основным ограничением традиционных методов окрашивания по Граму.
Кроме того, данная технология существенно снижает расходы за счет отсутствия необходимости в затратах времени специалистов, а также реагентов и материалов для окрашивания, что делает ее экономически привлекательным решением для микробиологических учреждений любого уровня. Такое сочетание скорости, надежности и экономической эффективности делает систему особенно ценной в условиях, когда быстрая и точная классификация бактерий имеет решающее значение для принятия диагностических решений. Помимо окрашивания по Граму, технология может быть адаптирована для других типов микробиологических окрашиваний и интегрирована в автоматизированные диагностические системы.
Особенно перспективным направлением является возможность анализа в реальном времени и окрашивания живых бактерий без меток. В отличие от традиционного окрашивания по Граму, требующего фиксации бактерий, виртуальный подход к окрашиванию использует темнопольную микроскопию, которая может работать с живыми организмами. Микробиологи могли бы использовать эту возможность для изучения бактерий, чтобы, например, выявить закономерности их роста и реакцию на антибиотики в режиме реального времени, не нарушая естественного состояния микроорганизмов.
