Microscopy with Deep Learning – Amélioration de la microscopie super-résolutive grâce à l’apprentissage profond

Contexte :

La microscopie super-résolutive est devenue une technologie cruciale dans les sciences de la vie et a alimenté d’importantes découvertes en biologie cellulaire et en neurobiologie. La microscopie de localisation de molécules uniques (SMLM) est la méthode super-résolutive la plus répandue, mais fait toujours face à des goulots d’étranglement majeurs tels qu’une mauvaise résolution temporelle et un contenu spectral limité. La combinaison de l’apprentissage profond à ces méthodes a conduit ces dernières années à des méthodes qui surmontent certaines de ces limites. Plus précisément, nous avons récemment développé ANNA-PALM, une méthode informatique qui utilise l’apprentissage profond pour accélérer la microscopie SMLM (Ouyang et al. Nat Biotech 2020), et qui permet l’imagerie super-résolutive à haut débit.

Objectifs :

Dans ce projet, nous visons à étendre ANNA-PALM pour (i) l’imagerie super-résolutive de cellules vivantes, (ii) l’imagerie tridimensionnelle sans balayage axial, (iii) l’imagerie multicolore avec des fluorophores de couleur unique, (iv) la reconstruction d’images super-résolutives de bout en bout à partir des images brutes de faible résolution, et (v) une meilleure protection contre les artefacts de reconstruction.

Résultats attendus :

Les méthodes développées dans ce projet permettront des avancées importantes dans notre capacité à imager des structures biologiques à haute résolution. Ces méthodes étant en grande partie génériques et purement informatiques, elles seront facilement transférables à de nombreux systèmes de microscopie existants et ont donc un potentiel économique élevé, que le partenariat avec Abbelight nous permettra de concrétiser.