Snellere analyse van microdeeltjes met fotonica

(08-09-2021) Kunnen microdeeltjes zoals bloedcellen of microben sneller en goedkoper bestudeerd worden dankzij artificiële intelligentie? Alessio Lugnan zocht het uit in zijn doctoraat.

Vloeistoffen kunnen enorme aantallen en een grote verscheidenheid aan microdeeltjes bevatten die interessant zijn om te bestuderen, zoals: cellen in bloed, microben in water en voedsel, verontreinigende stoffen (bv. microplastics) in water, plankton in de oceaan, enz.

“Om statistische validiteit te garanderen in wetenschappelijke studies of in biomedische toepassingen, of om zeldzame microdeeltjes te detecteren, moet een groot aantal deeltjes voldoende gedetailleerd worden gemeten/geanalyseerd”, vertelt Alessio Lugnan.

“Flowcytometrie is een veel gebruikte techniek die het mogelijk maakt microdeeltjes één voor één te bestuderen, terwijl ze met hoge snelheid in een vloeistof stromen”, vervolgt Alessio.

Enkele toepassingen zijn:

  • bloedanalyse om de immuunstatus te controleren
  • monitoring van microben in water voor waterbehandeling en hergebruik
  • detectie van circulerende tumorcellen in bloed
  • levensvatbaarheid van bacteriën in probiotische producten
  • celsortering, om automatisch specifieke celtypes te isoleren
  • biologische analyse van heterogene celpopulaties.

“Een van de doelen van mijn proefschrift is het gebruik te onderzoeken van een specifieke methode voor machinaal leren (een tak van de kunstmatige intelligentie), waarvan de toepassing de flowcytometrie goedkoper, compacter en gemakkelijker in het gebruik zou maken, teneinde veelzijdige en in-situ implementaties mogelijk te maken”, legt Alessio uit.

De voorgestelde methode bestaat er met name in, stromende microdeeltjes met een laser te belichten (dit is gebruikelijk), het doorgelaten licht door een optisch medium te laten gaan dat het licht op onvoorspelbare en uiteenlopende manieren afbuigt, en van het resultaat een foto te nemen.

Een eenvoudig, veelzijdig en zeer snel algoritme voor machinaal leren (een lineaire classificator) leert vervolgens aan de hand van de verkregen beelden hoe de verschillende microdeeltjes moeten worden geclassificeerd.

“Het sterke punt van de methode is dat de lineaire classificator, die op zichzelf niet erg krachtig is, krachtiger wordt door toegang te krijgen tot de zeer diverse en multidimensionale informatie die door de lichtdiffractie wordt gegenereerd. Toch behoudt de methode haar eenvoud, snelheid en veelzijdigheid”, verduidelijkt Alessio.

Lichtdiffractie vereist geen berekening, maar gebeurt op natuurlijke wijze met de snelheid van het licht. Daarom kan een krachtige classificatie van microdeeltjes worden uitgevoerd bij hoge snelheid (weinig rekenwerk vereist), waardoor grote aantallen microdeeltjes kunnen worden geanalyseerd met eenvoudige en goedkope instrumentatie.

-

Titel doctoraat: Op fotonica gebaseerd machinaal leren om labelvrije flowcytometrie te versnellen en te vereenvoudigen

-

Lees het volledige doctoraat

-

ContactAlessio Lugnan, Peter Bienstman, Joni Dambre

-

Redacteur: Jeroen Ongenae - Illustrator: Roger Van Hecke