Un système émergent combinant imagerie rapide et intelligence artificielle pourrait aider les scientifiques à dresser un tableau complet des changements environnementaux présents et historiques, en analysant rapidement et précisément le pollen.
Les grains de pollen de différentes espèces végétales sont uniques et identifiables en fonction de leur forme. L’analyse des grains de pollen capturés dans des échantillons tels que des carottes de sédiments provenant de lacs aide les scientifiques à comprendre quelles plantes prospéraient à un moment donné de l’histoire, remontant potentiellement à des milliers, voire des millions d’années.
Jusqu’à présent, les scientifiques comptaient manuellement les types de pollen présents dans les sédiments ou dans des échantillons d’air à l’aide d’un microscope optique – une tâche spécialisée et fastidieuse.
Aujourd’hui, des scientifiques de l’Université d’Exeter et de l’Université de Swansea combinent des technologies de pointe, notamment la cytométrie en flux par imagerie et l’intelligence artificielle, pour créer un système capable d’identifier et de catégoriser le pollen à des rythmes beaucoup plus rapides.
En plus de construire une image plus complète de la flore passée, l’équipe espère que la technologie pourra un jour être appliquée à des lectures de pollen plus précises dans l’environnement actuel, ce qui pourrait aider les personnes souffrant du rhume des foins à atténuer leurs symptômes. Le document est intitulé « Classification automatisée déductive du pollen dans des échantillons environnementaux via l’apprentissage profond exploratoire et la cytométrie en flux par imagerie »et est publié dans Nouveau phytologue.
Le Dr Ann Power, de l’Université d’Exeter, a déclaré : « Le pollen est un indicateur environnemental important, et rassembler le puzzle des différents types de pollen présents dans l’atmosphère, aujourd’hui et dans le passé, peut nous aider à dresser un tableau de la biodiversité. et le changement climatique. »
« Cependant, reconnaître à quelle espèce végétale appartient le pollen au microscope demande énormément de travail et n’est pas toujours réalisable. Le système que nous développons réduira considérablement le temps nécessaire et améliorera les classifications. Cela signifie que nous pourrons construire une image plus riche de pollen dans l’environnement beaucoup plus rapidement, révélant ainsi l’évolution du climat, de l’activité humaine et de la biodiversité au fil du temps, ou mieux comprendre quels sont les allergènes présents dans l’air que nous respirons.
L’équipe a déjà utilisé le système pour analyser automatiquement une tranche de carotte de sédiments lacustres vieille de 5 500 ans, classant rapidement plus d’un millier de grains de pollen. Dans le passé, il aurait fallu jusqu’à huit heures à un spécialiste pour compter et catégoriser, une tâche que le nouveau système accomplissait en moins d’une heure.
Le nouveau système utilise la cytométrie en flux par imagerie, une technologie généralement utilisée pour étudier les cellules dans le cadre de la recherche médicale, afin de capturer rapidement des images de pollen. Un type unique d’intelligence artificielle a ensuite été développé, basé sur l’apprentissage profond, pour identifier les différents types de pollen dans un échantillon environnemental. Cela permet de faire ces distinctions même lorsque l’échantillon est imparfait.
Le Dr Claire Barnes, de l’Université de Swansea, a déclaré : « Jusqu’à présent, les systèmes d’IA en développement pour catégoriser le pollen apprennent et testent sur les mêmes bibliothèques de pollens, ce qui signifie que chaque échantillon est parfait et appartient à des espèces précédemment vues par le réseau. Ces systèmes ne sont pas capables de reconnaître le pollen de l’environnement qui a subi quelques coups en cours de route, ni de catégoriser le pollen non inclus dans les bibliothèques de formation. »
« L’intégration d’une version unique de l’apprentissage profond dans notre système signifie que l’intelligence artificielle est plus intelligente et applique une approche d’apprentissage plus flexible. Elle peut traiter des images de mauvaise qualité et utiliser les caractéristiques communes des espèces pour prédire à quelle famille de plantes appartient le pollen, même si le système ne l’a pas vu auparavant pendant la formation.
Dans les années à venir, l’équipe espère affiner et lancer le nouveau système, et l’utiliser pour en apprendre davantage sur le pollen de graminées, un irritant particulier pour les personnes souffrant du rhume des foins. Le Dr Power a déclaré : « Certains pollens de graminées sont plus allergènes que d’autres. Si nous pouvons mieux comprendre quels pollens sont répandus à des moments précis, cela entraînerait des améliorations dans les prévisions polliniques qui pourraient aider les personnes souffrant du rhume des foins à planifier leur exposition. »
Plus d’information:
« Classification automatisée déductive du pollen dans des échantillons environnementaux via un apprentissage profond exploratoire et une cytométrie en flux par imagerie », Nouveau phytologue (2023). nph.onlinelibrary.wiley.com/do … ll/10.1111/nph.19186