Il est désormais plus facile de capturer et d’analyser des images de haute qualité de molécules en mouvement rapide. Le professeur adjoint Ioannis Sgouralis, du département de mathématiques, et ses collègues ont développé un algorithme qui ajoute un nouveau niveau à la microscopie : la super-résolution en mouvement.
Les avancées de pointe de la microscopie à super-résolution ont été récompensées par le prix Nobel de chimie 2014 pour son innovation révolutionnaire. Elle améliore la microscopie optique grâce à une série de techniques qui surmontent les limites inhérentes à la physique de la lumière. Les oscillations à haute fréquence des ondes lumineuses échappent à la détection à l’œil nu ou aux caméras conventionnelles, et semblent continues. La microscopie à super-résolution capture des détails plus fins que la longueur d’onde de la lumière qui, en raison de la diffraction, sont autrement manqués par les microscopes et les appareils optiques courants.
« Pour les expériences scientifiques en biochimie et en biologie moléculaire, où nous devons généralement observer des biomolécules individuelles, ces détails manquants sont essentiels », a déclaré Sgouralis. « De manière caractéristique, les biomolécules importantes comme l’ADN, l’ARN et les protéines sont environ 1 000 fois plus petites que la longueur d’onde de la lumière, ce qui fait que leurs images apparaissent bruyantes, déformées et très floues, ce qui les rend inappropriées à des fins scientifiques. »
Les outils de super-résolution tels que PALM ou STORM complètent ces détails en s’appuyant sur des algorithmes d’analyse d’images pour récupérer les informations manquantes et capturer des images fixes précises au niveau moléculaire.
« Bien que les expériences de super-résolution aient eu un impact considérable sur les sciences de la vie, elles ne permettent de récupérer les informations manquantes que lorsque les biomolécules restent immobiles », a déclaré Sgouralis. « Cependant, la vie est une question de mouvement et les biomolécules d’un organisme vivant sont en mouvement constant. »
Dans leur nouvelle recherche, publié le 22 juillet dans Méthodes de la natureSgouralis et ses collègues démontrent un nouveau cadre appelé Bayesian nonparametric track (BNP-Track), le premier algorithme d’analyse d’image qui permet une super-résolution pour les biomolécules en mouvement.
« Nous avons développé des méthodes mathématiques avancées qui analysent les images d’une expérience de microscopie et récupèrent les informations manquantes même lorsque les biomolécules changent constamment de position », a déclaré Sgouralis. « Notre travail permet d’observer directement les biomolécules en mouvement dans les cellules vivantes et de reconstituer leur mouvement avec une précision bien plus fine que celle fournie par la longueur d’onde de la lumière. Cela permet désormais des innovations en biochimie, biologie moléculaire et biotechnologie qui étaient auparavant inaccessibles. »
BNP-Track permet aux chercheurs de répondre à des questions restées sans réponse sur le comportement biomoléculaire : les biomolécules ont-elles tendance à s’agréger à certains endroits d’une cellule ? Proviennent-elles d’un ou de plusieurs endroits ? Comment sont-elles transportées de l’extérieur d’une cellule vers l’intérieur de la cellule ou d’une cellule à l’autre ? Certaines biomolécules préfèrent-elles rester ensemble ou se désagréger ?
« Ce ne sont là que quelques-unes des questions qui sont généralement posées lors de la découverte de médicaments ou lors de l’étude du dogme central de la biologie moléculaire », a déclaré Sgouralis.
Les prochaines étapes de la recherche BNP-Track chercheront à condenser le temps nécessaire à l’exécution de ces nouveaux algorithmes.
« Pour analyser les images d’une seule expérience, il faut plusieurs heures d’analyse », explique Sgouralis. « Dans un avenir proche, les recherches devront réduire ce temps à quelques minutes ou secondes. Nous pourrons alors analyser rapidement les images de plusieurs expériences. »
Ils développeront également des versions spécialisées des algorithmes pour travailler avec la variété de configurations de microscopie nécessaires dans le cadre de situations de laboratoire. En attendant, l’innovation BNP-Track de Sgouralis et de son équipe fournit une nouvelle base pour la découverte.
Plus d’information:
Ioannis Sgouralis et al, BNP-Track : un cadre pour le suivi super-résolu, Méthodes de la nature (2024). DOI : 10.1038/s41592-024-02349-9