vFLIM: Machine Learning-enabled Light Sheet Fluorescence Lifetime Imaging

In de wereld van biologische beeldvorming vertrouwen wetenschappers al lang op de helderheid van een gloeiend molecuul om te begrijpen wat er in een levende cel gebeurt. Deze intensiteit vertelt hen hoeveel van een stof aanwezig is, maar het mist een diepere laag informatie. Net zoals een muzikale noot van toonhoogte kan veranderen afhankelijk van de luchtdruk of temperatuur eromheen, verandert een fluorescerend molecuul de snelheid waarmee het stopt met gloeien nadat het door licht is geraakt. Deze snelheid, bekend als de fluorescentielevensduur, fungeert als een gevoelige indicator voor de directe omgeving van het molecuul. Het kan subtiele verschuivingen in de lokale omgeving, de fysieke spanning binnen een weefsel of de metabole staat van een cel onthullen. Omdat deze omstandigheden dynamisch en fragiel zijn, komt de meest waardevolle inzichten voort uit het observeren van hoe deze zich in realtime ontvouwen binnen levende organismen, in plaats van het bestuderen van bevroren monsters in een laboratorium.

Het vastleggen van deze vluchtige informatie in een levend systeem is echter een enorme uitdaging geweest. Traditionele methoden voor het meten van deze levensduur zijn vaak te traag om het tempo van het snelle leven bij te houden, of ze vereisen zoveel licht dat ze de delicate specimens die ze bedoeld zijn te observeren, beschadigen of doden. Bovormendien creëert de enorme hoeveelheid gegevens die door deze metingen wordt gegenereerd een flessenhals, waardoor het moeilijk is om de beelden snel genoeg te verwerken om nuttig te zijn voor langetermijnstudies. Het resultaat is een kloof tussen het potentieel van deze techniek en de praktische toepassing in de levende wereld.

Een team van onderzoekers heeft deze kloof nu overbrugd door een complete workflow te introduceren die een gespecialiseerde microscoop combineert met een nieuwe manier van gegevensverwerking. Ze ontwikkelden een systeem genaamd vFLIM, wat staat voor volumetrische fluorescentie-levensduurbeeldvorming. Deze aanpak maakt gebruik van een lichtveldmicroscoop, een apparaat dat telkens een dunne doorsnede van een specimen verlicht, waardoor snelle en zachte beeldvorming van volledige volumes mogelijk is zonder de harde effecten van traditionele scanningsmethoden. Om de enorme hoeveelheid informatie die deze microscoop produceert te verwerken, heeft het team de hardware gekoppeld aan een machine learning-model, een type computerprogramma dat getraind is om patronen te herkennen en de levensduurgegevens direct uit de ruwe beelden te extraheren. Deze combinatie stelt het systeem in staat om gedetailleerde, driedimensionale kaarten van moleculaire levensduur te genereren met snelheden en een mate van zachtheid die voorheen onbereikbaar waren voor levende systemen.

De onderzoekers testten deze pijplijn in een breed scala aan biologische scenario's om de veelzijdigheid ervan te bewijzen. Ze pasten de methode toe op verschillende soorten levende modellen, waarbij ze de specifieke moleculen die werden gevolgd varieerden en de schaal van de observatie aanpasten van minuscule cellulaire structuren tot grotere weefselvolumes. In elk geval leverde het systeem succesvol heldere, snelle volumetrische gegevens, wat aantoont dat de workflow robuust genoeg is om diverse experimentele behoeften aan te kunnen. Door de methode over deze verschillende condities te valideren, lieten de onderzoekers zien dat de pijplijn niet alleen een theoretisch concept is, maar een praktisch instrument dat klaar is voor breder gebruik.

Dit werk vertegenwoordigt een belangrijke stap voorwaarts in het toegankelijk maken van live, driedimensionale levensduurbeeldvorming voor de bredere gemeenschap van biologen. Door de dubbele problemen van snelheid en gegevenscomplexiteit op te lossen, verwijdert de nieuwe pijplijn de barrières die deze krachtige techniek voor veel onderzoekers buiten bereik hebben gehouden. Het resultaat is een overdraagbaar systeem dat wetenschappers in staat stelt om de subtiele, veranderende omgevingen van levende organismen over lange perioden te observeren, wat de deur opent naar nieuwe ontdekkingen over hoe het leven op moleculair niveau functioneert zonder de verstoring van het observatieproces zelf.