Un equipo de investigación de la Pohang University of Science and Technology (POSTECH) ha desarrollado una nueva tecnología que promete revolucionar la visualización celular en el ámbito de las ciencias de la vida. Publicados en la revista Nature Communications, estos hallazgos superan las limitaciones de los métodos tradicionales de imagen, proporcionando una visualización celular estable y altamente precisa.
La microscopía de fluorescencia confocal (CFM) es ampliamente reconocida por su capacidad para producir imágenes celulares de alta resolución. Sin embargo, este método requiere el uso de tintes fluorescentes, que pueden causar daños a las células debido a la fototoxicidad y el fotoblanqueo. Por otro lado, la microscopía fotoacústica en el infrarrojo medio (MIR-PAM) permite una imagen sin etiquetado, preservando la integridad celular, aunque su dependencia de longitudes de onda más largas limita la resolución espacial, lo que dificulta la visualización precisa de estructuras celulares finas.
Nueva metodología de imagen basada en inteligencia artificial
Para abordar estas limitaciones, el equipo de POSTECH ha implementado un método innovador de imagen que utiliza el aprendizaje profundo explicable (XDL). Esta técnica transforma imágenes de MIR-PAM de baja resolución y sin etiquetar en imágenes de alta resolución y virtualmente teñidas, que se asemejan a las generadas por CFM. A diferencia de los modelos de inteligencia artificial convencionales, XDL proporciona una mayor transparencia al visualizar el proceso de transformación, garantizando tanto la fiabilidad como la precisión.
El proceso de imagen se divide en dos fases: la fase de mejora de resolución, que convierte imágenes de MIR-PAM de baja resolución en imágenes de alta resolución, permitiendo distinguir con claridad estructuras celulares complejas como núcleos y actina filamentosa. La fase de tinción virtual produce imágenes virtualmente teñidas sin el uso de tintes fluorescentes, eliminando así los riesgos asociados con la tinción y manteniendo la calidad de imagen propia de la CFM.
Esta tecnología innovadora ofrece imágenes celulares de alta resolución y virtualmente teñidas sin comprometer la salud celular, representando una herramienta poderosa para el análisis de células vivas y la investigación biológica avanzada. El profesor Chulhong Kim subrayó: «Hemos desarrollado una tecnología de transformación de imagen entre dominios que supera las limitaciones físicas de diferentes modalidades de imagen, ofreciendo beneficios complementarios. El enfoque XDL ha mejorado significativamente la estabilidad y fiabilidad del aprendizaje no supervisado.» Por su parte, la profesora Jinah Jang añadió: «Esta investigación abre nuevas posibilidades para la imagen celular multiplexada y de alta resolución sin etiquetado, con un potencial inmenso para aplicaciones en el análisis de células vivas y estudios de modelos de enfermedades.»
El estudio fue liderado por los profesores Chulhong Kim y Jinah Jang, junto a otros investigadores, y marca un avance significativo en la búsqueda de métodos de imagen más seguros y efectivos para la investigación científica.
