deepthought: the microscopy acquisition stack as an object of study

カメラがただ写真を撮って終わるのではなく、実際にその写真を見て、考え、次に何を撮影すべきかを判断する世界を想像してみてください。これが「分析イン・ザ・ループ（analysis-in-the-loop）」顕微鏡の夢です。何十年もの間、科学者たちは、空っぽの場所をスキップしたり、興味深い細胞にズームしたり、実験の実行中に自ら焦点を修正したりできる顕微鏡を求めてきました。それは、単に本を持ってきてくれるだけでなく、表紙を読んで、あなたがそれを好きそうかどうかを判断してから、あなたに手渡してくれる賢いアシスタントを持っているようなものです。

しかし、こうしたスマートな顕微鏡を構築することは悪夢でした。ラボがこれを試そうとするたびに、まるで大工がケーキを焼きたいときにはその都度新しい家を建てているかのように、完全にゼロからカスタムマシンを構築しなければなりませんでした。ツール同士が適合せず、何も再利用できませんでした。この論文は、シンプルかつ革命的な問いを投げかけます。「もし、毎回新しい家を建てるのをやめて、全員にとって共通している家のパーツを見つけ出したらどうだろうか？」と。著者たちは、科学者が車輪の再発明をすることをやめ、より面白い科学に集中できるようにするために、スマート顕微鏡の普遍的な「配管（プラミング）」を見つけ出したいと考えました。

巨大な顕微鏡のパズル

著者であるP.S. Kesavanとそのチームは、この問題を解決するために、少し変わった方法をとりました。特定の生物学的な問題を解決するためではなく、システムそのものを研究するために、ゼロから「最小限の」スマート顕微鏡システムを構築したのです。これは、特定の料理を作るためではなく、あらゆるレシピに不可欠な道具を見極めるために、小さな完璧なキッチンを構築するシェフのようなものです。

彼らはこの小さなキッチンを使って、4つの非常に異なる「食事」（科学実験）を作ろうとしました。

1. スピードラン： 数千個の死んだ細胞をスキャンして、光るタンパク質をカウントする。
2. マラソン： 生きた細胞が24時間にわたって分裂する様子を、止まることなく観察する。
3. ライトショー： 光を2つの方向に分割して、分子の回転を測定する。
4. オートパイロット： 実験中に顕微鏡が自らフォーカスや明るさを調整できるようにする。

これら4つの非常に異なるタスクを同じシステムに通すことで、彼らは顕微鏡ソフトウェアのうち、どの部分が普遍的（誰にとっても同じ）であり、どの部分がタスク固有（特定の料理のための特別なスパイスのようなもの）であるかを発見しました。

「普遍的な」パーツ（配管）

彼らは、スマート顕微鏡の重労働の大部分は、実はすでに他の人々によって解決されていることを発見しました。カメラやモーターと通信するための新しい方法を発明する必要はなく、既存の「ユニバーサル・アダプター」に接続するだけでよいのです。

• ハードウェアとの通信： スマートフォンが充電器と通信するために標準的なUSBポートを使用するように、顕微鏡はカメラやモーターと通信するために、ophydやmicro-managerのような標準的なソフトウェアを使用します。
• ショーの運営： DJのプレイリストのように、顕微鏡に何をすべきかを指示する標準的な方法（blueskyと呼ばれるシステム）があります。
• 保存と表示： データは標準的なカタログ（databroker）に保存され、標準的なビューア（napari）で表示できます。これは、写真をクラウドに保存し、どんなスマートフォンでも閲覧できるのと同様です。

これらの部分は、どのような実験を行っても全く変化しませんでした。これらは家の「壁と床」であり、堅牢で再利用可能なものです。

2つの新しい発明（カスタム家具）

しかし、研究の結果、誰も標準版を作っていなかったために、ゼロから構築しなければならない特定のものが2つあることがわかりました。これらがこの論文の主な貢献です。

1. サンプルの「マップ」（サンプルの表現）
あなたがロボット掃除機だと想像してください。壁がどこにあるのかを知らないと、衝突してしまいます。以前は、科学者はロボットが掃除できる範囲を教えるために、あらゆる種類の皿（丸型、四角型、穴あきなど）に対して特別なコードを書かなければなりませんでした。
著者たちは、サンプルを幾何学的なオブジェクトとして記述する新しい方法を考案しました。彼らは、「ガラスはここにあり、プラスチックの縁はあそこにあり、掃除ができるのはガラスの上だけである」と伝える「デジタルマップ」を作成しました。このマップは、あらゆる皿の形状に対応しています。これにより、顕微鏡は皿の形に関わらず、自動的にガラスの上に留まり、プラスチックの縁を避けることができるようになりました。

2. 「検出されたオブジェクト」ストリーム（観測の表現）
通常、顕微鏡は写真を撮り、保存し、その後コンピュータが写真を見て細胞を探します。これは、群衆の写真を撮ってハードドライブに保存し、翌日にチームを雇って人数を数えるようなものです。
著者たちは、顕微鏡が単に生の画像を出力するのではなく、画像が到着すると同時に、「ここに細胞があり、その明るさはこれくらいだ」と即座に判断するようにシステムを変更しました。実験の出力は、画像の山ではなく、位置と測定値を持つ「検出されたオブジェクト」のリストになります。
これはゲームチェンジャーです。なぜなら、顕微学が即座に意思決定できるようになるからです。もし計画が「もし明るい点を持つ細胞を見つけたら、もっと近くで観察せよ」となっていた場合、顕微鏡はすでに「ピクセル」ではなく「細胞」について話しているため、即座に実行できるのです。

足りないピース（「次はどこ？」問題）

研究では、まだ完全には解決できていないことが1つ見つかりました。それは**ターゲット設定（Targeting）**です。
これは、「次はどこを見るべきか？」という問いです。
ある実験では、答えは単純なグリッド（芝生を直線的に刈り取るようなもの）です。しかし他の実験では、「面白いものがある場所を見ろ」という答えになります。著者たちは、両方を扱えるシステムを構築しようとしましたが、このための「ユニバーサルなスイッチ」をまだ作っていないことに気づきました。彼らはほとんどのケースでグリッド戦略を使用しましたが、コードを書き直すことなく「スマートな探索」戦略に簡単に切り替えることはできませんでした。彼らはこれを、次に構築すべき大きな課題として特定しました。

それを使って実際に行ったこと

新しいシステムが機能することを証明するために、彼らは2つの実際の生物学的実験を行いました。

1. 22,000細胞のマラソン： ヒト細胞をDNA損傷剤で処理し、顕微鏡が自律的に22,000個の細胞をスキャンして分析させました。開始後、人間がコンピュータに触れることは一切ありませんでした。結果、予想通り、細胞のDNA修復マーカーが上昇することが確認されました。
2. 24時間のウォッチ： 生きた細胞が24時間にわたって分裂する様子を観察しました。彼らが発明した「マップ」を使用することで、同じ細胞を何度も正確に再訪し、焦点を合わせ続けることができたため、彼らは稀な現象を目撃しました。それは、細胞が分裂し、DNA修復の「傷跡」を次世代へと受け継いでいく様子でした。

大きな教訓

この論文は、新しい実験のたびに新しい顕微鏡ソフトウェアスタックを構築する必要はない、と結論付けています。スタックの大部分はすでに構築され、機能しています。私たちはただ、2つの新しい「インターフェース」を作る必要があります。すなわち、サンプルの形状を記述する方法と、結果を単なる「画像」ではなく「オブジェクト」として記述する方法です。

これら2つのピースさえあれば、顕微鏡の「スマートな」部分は、通常のコンピュータプログラムと同じくらい簡単になります。顕微鏡は、毎回新しいプログラムを人間が書かなくても、見て、考え、次に何をすべきかを判断できるようになります。残された課題は、「次にどこを見るか？」という決定を、いかに他の部分と同様に柔軟にすることかです。

要約すると、著者たちは単により良い顕微鏡を作ったのではありません。将来のあらゆるスマート顕微鏡を構築するための設計図を作ったのです。これにより、科学者が毎回車輪の再発明をする手間から解放されるのです。