ИИ улучшает визуализацию масс-спектрометрии с виртуальной гистологической детализацией

Виртуальное окрашивание ткани без меток в масс-спектрометрии. Автор: Ozcan Lab / UCLA

Международная команда исследователей из Калифорнийского университета в Лос-Анджелесе (UCLA), Университета Вандербильта и Делфтского технологического университета разработала метод искусственного интеллекта (ИИ), который виртуально окрашивает изображения, полученные с помощью масс-спектрометрической визуализации (IMS). Исследование опубликовано в журнале Science Advances.

Эта совместная работа позволила значительно улучшить пространственное разрешение и детализацию на клеточном уровне без необходимости химического окрашивания. Используя инновационную генеративную модель на основе диффузии, команда смогла цифровым способом создавать изображения, сопоставимые с традиционным гистохимическим окрашиванием, сохраняя при этом ценные образцы тканей.

Масс-спектрометрическая визуализация — это мощный инструмент, способный отображать сотни и тысячи молекулярных видов в биологических тканях с исключительной химической специфичностью. Однако традиционная IMS ограничена относительно низким пространственным разрешением и отсутствием деталей клеточной морфологии, которые необходимы для точной интерпретации молекулярных профилей в контексте структуры ткани.

В этом исследовании команда представила новый подход к виртуальному окрашиванию на основе диффузии, чтобы преодолеть эти ограничения. Их метод цифровым образом преобразует данные IMS с низким разрешением и без меток в изображения светлопольной микроскопии высокого разрешения, которые напоминают гистохимически окрашенные образцы, в частности, окрашенные периодической кислотой-Шиффом (PAS), что подчеркивает полисахариды, гликопротеины, гликолипиды и муцины в тканях.

Примечательно, что алгоритм ИИ достигает этого, несмотря на то, что данные IMS имеют размер пикселя почти в 10 раз больше, чем у традиционных изображений оптической микроскопии.

«Этот подход на основе диффузии значительно улучшает интерпретируемость изображений масс-спектрометрии, — сказал ведущий автор исследования, профессор UCLA Айдыган Озкан. — Он виртуально добавляет гистологические детали на микроскопическом уровне, устраняя разрыв между молекулярной специфичностью и клеточной морфологией, при этом не требуя химического окрашивания ткани».

В слепых тестах на тканях человеческой почки виртуально окрашенные изображения близко соответствовали своим химически окрашенным аналогам, позволяя патологам точно идентифицировать ключевые почечные структуры и признаки заболеваний непосредственно по виртуальным изображениям.

Кроме того, исследователи оптимизировали процесс шумоподавления во время работы ИИ, чтобы обеспечить высокую согласованность и надежность результатов окрашивания, что может быть полезно как для клинических, так и для исследовательских приложений.

Эта технология предлагает значительные преимущества для биомедицинских исследований и диагностики на основе IMS, устраняя необходимость в трудоемком химическом окрашивании и сложных этапах регистрации изображений. Она также сохраняет целостность ткани для дальнейшего молекулярного анализа, ускоряя и упрощая рабочие процессы молекулярной гистологии на основе масс-спектрометрии.

«Мы предполагаем, что этот подход откроет новые возможности в пространственной биологии и клинической диагностике, — добавил профессор Озкан. — Цифровое создание высококачественных гистологических изображений исключительно из данных масс-спектрометрии позволит оптимизировать рабочие процессы и, возможно, ускорить биомедицинские открытия».

Дополнительная информация: Yijie Zhang и др., Virtual staining of label-free tissue in imaging mass spectrometry, Science Advances (2025). DOI: 10.1126/sciadv.adv0741

Источник: UCLA Engineering Institute for Technology Advancement