Analyse automatisée de l’ultrastructure : étude basée sur la microscopie électronique hyperspectrale à grande échelle

Contexte académique

La microscopie électronique (Electron Microscopy, EM) est une technique clé pour étudier l’ultrastructure biologique, permettant de révéler les structures fines des cellules à une résolution moléculaire. Ces dernières années, avec les avancées en automatisation et numérisation, la microscopie électronique est capable de capturer de grandes zones de cellules et de tissus à une résolution nanométrique. Cependant, les images de microscopie électronique sont généralement en niveaux de gris et les volumes de données sont énormes, ce qui rend l’analyse souvent dépendante d’annotations manuelles fastidieuses, limitant ainsi son application dans les études à grande échelle. Pour résoudre ce problème, les chercheurs ont commencé à explorer des moyens automatisés pour extraire les informations sur les assemblages biomoléculaires, accélérant ainsi la compréhension de l’ultrastructure biologique.

Le contexte de cette étude repose sur le fait que, bien que la microscopie électronique occupe une place importante dans la recherche biomédicale, son processus d’analyse reste confronté à des défis. En particulier, la manière d’extraire automatiquement les informations biomoléculaires à partir de vastes ensembles de données de microscopie électronique est devenue un problème urgent à résoudre. Cet article propose une méthode d’analyse automatisée basée sur l’imagerie hyperspectrale par rayons X à dispersion d’énergie (Energy-Dispersive X-ray, EDX), visant à extraire les assemblages biomoléculaires à partir de tissus traités de manière conventionnelle, réduisant ainsi l’intervention manuelle et améliorant l’efficacité de l’analyse.

Source de l’article

Cet article a été co-écrit par B. H. Peter Duinkerken, Ahmad M. J. Alsahaf, Jacob P. Hoogenboom et Ben N. G. Giepmans, respectivement issus du Département des sciences biomédicales du Centre médical universitaire de Groningen et du Département de physique de l’imagerie de l’Université de technologie de Delft, aux Pays-Bas. L’article a été publié en 2024 dans la revue npj Imaging.

Processus de recherche

1. Imagerie EDX à grande échelle et contexte spatial et élémentaire

L’étude a d’abord développé un flux de travail pour l’imagerie EDX à grande échelle, appliqué à des coupes entières d’îlots pancréatiques. En prolongeant le temps de séjour des pixels et en accumulant les images, la richesse spectrale a été assurée. Parallèlement, l’utilisation de courants de faisceau relativement élevés (4-5 nA) et de deux détecteurs EDX positionnés symétriquement a permis de surmonter les problèmes liés aux temps d’acquisition longs. L’étude a montré la distribution de trois éléments (phosphore, osmium et fer) à l’aide d’images en fausses couleurs, permettant de distinguer clairement des caractéristiques biologiques telles que les granules, les noyaux, les lysosomes et le réticulum endoplasmique rugueux.

2. Analyse de mélange spectral et extraction des caractéristiques biologiques

Pour extraire les caractéristiques biologiques des images hyperspectrales (Hyperspectral Image, HSI), l’étude a utilisé la méthode d’analyse de mélange spectral (Spectral Mixture Analysis, SMA). Tout d’abord, des spectres représentatifs ont été obtenus par annotation manuelle, puis la HSI a été décomposée en cartes d’abondance relatives à chaque spectre à l’aide d’une méthode de décomposition linéaire. L’étude a également introduit des techniques de réduction de dimension, telles que l’apprentissage de variétés (Manifold Learning), en utilisant la méthode PACMAP (Pairwise Controlled Manifold Approximation Projection) pour réduire la dimension de la HSI à un espace bidimensionnel, permettant ainsi une meilleure identification des caractéristiques biologiques.

3. Analyse de mélange spectral à grande échelle

Dans l’imagerie EDX à grande échelle, les volumes de données sont énormes. L’étude a réduit la quantité de données par sous-échantillonnage et en excluant les zones de chevauchement. Grâce à la réduction de dimension par PACMAP, les spectres les plus purs (c’est-à-dire les endmembers) ont été identifiés, et un modèle de mélange linéaire a été utilisé pour la décomposition. L’étude a présenté les cartes d’abondance de différentes structures biologiques dans les tissus pancréatiques et cutanés, en les comparant à la composition biochimique attendue.

4. Détection et segmentation automatiques des images de microscopie électronique

L’étude a également exploré des méthodes de segmentation automatique basées sur les réseaux de neurones convolutifs (Convolutional Neural Network, CNN), en combinant les cartes d’abondance des endmembers EDX avec le modèle Segment Anything Model (SAM) pour la segmentation automatique. En utilisant des points de repère spatiaux, le modèle SAM a pu détecter et segmenter automatiquement cinq organites et structures biologiques distinctes, démontrant le potentiel de l’analyse HSI EDX dans l’analyse non supervisée de la microscopie électronique.

Résultats principaux

1. Imagerie EDX à grande échelle : L’étude a réussi à développer un flux de travail pour l’imagerie EDX à grande échelle, permettant de distinguer différentes caractéristiques biologiques intracellulaires, telles que les granules, les noyaux, les lysosomes et le réticulum endoplasmique rugueux, à une résolution ultrastructurale.

2. Analyse de mélange spectral : Grâce à l’analyse de mélange spectral, l’étude a pu extraire les spectres des caractéristiques biologiques à partir des images hyperspectrales et générer les cartes d’abondance correspondantes, montrant la distribution spatiale des différentes structures biologiques.

3. Réduction de dimension et extraction des endmembers : Par réduction de dimension avec PACMAP, l’étude a identifié les spectres les plus purs et utilisé un modèle de mélange linéaire pour la décomposition, présentant les cartes d’abondance des différentes structures biologiques dans les tissus pancréatiques et cutanés.

4. Segmentation automatique : En combinant les cartes d’abondance des endmembers EDX avec le modèle SAM, l’étude a réalisé la détection et la segmentation automatiques des images de microscopie électronique, démontrant le potentiel de l’analyse HSI EDX dans l’analyse non supervisée de la microscopie électronique.

Conclusion et signification

Cet article propose une méthode d’analyse automatisée basée sur l’imagerie hyperspectrale EDX à grande échelle, capable d’extraire les assemblages biomoléculaires de manière non supervisée, réduisant ainsi l’intervention manuelle et améliorant l’efficacité de l’analyse des données de microscopie électronique. Cette méthode permet non seulement d’accélérer la compréhension de l’ultrastructure biologique, mais offre également de nouveaux outils et perspectives pour les futures recherches à grande échelle en microscopie électronique.

Points forts de l’étude

1. Méthode innovante : Cet article est le premier à appliquer l’imagerie hyperspectrale EDX à grande échelle à la recherche biomédicale, proposant une méthode d’analyse automatisée non supervisée capable d’extraire les assemblages biomoléculaires à partir de tissus traités de manière conventionnelle.

2. Analyse de données efficace : Grâce à l’analyse de mélange spectral et aux techniques de réduction de dimension, l’étude a pu extraire les caractéristiques biologiques à partir des données EDX à grande échelle, réduisant ainsi la charge de travail liée aux annotations manuelles.

3. Technique de segmentation automatique : En combinant les cartes d’abondance des endmembers EDX avec le modèle SAM, l’étude a réalisé la détection et la segmentation automatiques des images de microscopie électronique, démontrant le potentiel de l’analyse HSI EDX dans l’analyse non supervisée de la microscopie électronique.

Autres informations utiles

Toutes les données et les codes d’analyse de cet article sont accessibles au public. Les chercheurs peuvent accéder aux ressources pertinentes en visitant www.nanotomy.org et GitHub pour explorer et appliquer davantage la méthode proposée.

Grâce à cette étude, l’application de la microscopie électronique dans le domaine biomédical connaîtra de nouvelles avancées, et cette méthode pourrait être étendue à davantage de tissus et d’échantillons à l’avenir, favorisant ainsi une meilleure compréhension de l’ultrastructure biologique.