L’analyse unicellulaire est une technique biomédicale puissante utilisée dans divers domaines de la biologie et de la médecine pour identifier les populations de cellules rares, suivre le développement et la différenciation cellulaire, comprendre les mécanismes de la maladie et développer des thérapies personnalisées, mais elle génère de grandes quantités de données qui peuvent être difficiles à gérer. .
Une équipe internationale de chercheurs dirigée par Demetri Psaltis de l’Ecole polytechnique fédérale de Lausanne et Pietro Ferraro de l’Institut des sciences appliquées et des systèmes intelligents a démontré une stratégie d’encodage efficace pour les tomogrammes unicellulaires qui rationalise considérablement la manipulation et le stockage des données cellulaires tout en maintenant la fidélité.
Leur recherche a été publiée le 11 janvier dans Informatique intelligente.
La nouvelle méthode proposée par les auteurs peut gérer et traiter efficacement les vastes ensembles de données générés par la microscopie de phase tomographique, une technique populaire pour les études unicellulaires. Cette technique peut produire rapidement des images 3D de cellules et de tissus vivants sans endommager l’échantillon, ce qui en fait un outil précieux pour étudier la dynamique cellulaire telle que la division, la migration et la différenciation.
Un défi majeur actuellement rencontré dans la microscopie de phase tomographique consiste à gérer efficacement des quantités massives de données 3D pour obtenir un diagnostic cellulaire rapide et précis. La nouvelle méthode peut atteindre un taux de compression des données de 22,9. Cela signifie que les tomogrammes unicellulaires de données volumineuses peuvent être compressés tout en économisant plus de 95 % d’espace, avec moins de 1 % d’informations perdues.
La stratégie fonctionne bien sur diverses données expérimentales, y compris différents types de cellules avec des formes sphériques et non sphériques. En fait, il peut traiter efficacement toutes les images volumétriques.
À l’avenir, il sera possible d’avoir un système de cytométrie en flux par imagerie tomographique de laboratoire sur puce, un système qui utilise des lasers pour mesurer diverses caractéristiques de cellules individuelles lorsqu’elles se déplacent dans un canal rempli de liquide. Pour y parvenir, il faudra un module microfluidique capable de contrôler les positions et la rotation des cellules en circulation à l’aide de solutions avancées de manipulation de cellules telles que la fibre multicœur.
Du point de vue informatique, les résultats rapportés ici ouvrent la voie à une méthodologie efficace pour stocker, manipuler et traiter des images volumétriques, en particulier pour les systèmes de laboratoire sur puce, qui nécessitent une faible empreinte mémoire. Les résultats démontrés ici conduiront à de nouveaux développements dans la microscopie computationnelle pour la tomographie à contraste de phase unicellulaire.
La nouvelle méthode est basée sur l’extension 3D des polynômes de Zernike. La représentation 3D Zernike est une façon de décrire la forme d’un objet en trois dimensions. Il est basé sur un concept mathématique appelé harmoniques sphériques et est particulièrement efficace pour décrire des objets de forme à peu près sphérique. Les cellules dans l’environnement naturel ont souvent la forme de sphères, de sorte que la représentation 3D de Zernike peut être un outil utile pour les étudier.
Les auteurs ont démontré que la distribution de l’indice de réfraction 3D d’une cellule peut être directement codée dans une dimension en utilisant des polynômes de Zernike 3D. Ils ont reconstruit un fantôme de cellule tomographique et analysé ses performances en le comparant aux stratégies de compression d’images volumétriques les plus utilisées. La méthode a ensuite été validée sur des données de tomographie unicellulaire du monde réel.
Plus d’information:
Pasquale Memmolo et al, Réduction de la perte de données minimisée dans la microscopie de phase tomographique à cellule unique à l’aide de descripteurs de Zernike 3D, Informatique intelligente (2023). DOI : 10.34133/icomputing.0010
Fourni par l’informatique intelligente