Pour y voir plus clair dans les cellules

Des chercheurs font appel à l'intelligence artificielle pour améliorer les images de l'infiniment petit

La prise d'images de qualité à l'aide de microscopes sophistiqués est un exercice exigeant qui repose sur l'expertise des rares spécialistes du domaine. Ce savoir-faire sera désormais à la portée d'un plus grand nombre de chercheurs grâce à un système conçu par une équipe de l'Université Laval. Ce système, qui fait appel à l'intelligence artificielle pour optimiser la qualité des images, est décrit en détail dans un article publié dans Nature Communications.

Malgré les progrès spectaculaires en biochimie analytique, les images restent un outil précieux pour comprendre ce qui se passe dans les cellules. "Les images fournissent une information spatiale essentielle pour comprendre les processus cellulaires, pour voir où se trouve une protéine dans la cellule et pour suivre les processus cellulaires dynamiques dans un réseau comme ceux des neurones du cerveau. Contrairement à d'autres techniques, elles permettent aussi d'étudier des cellules vivantes", souligne Flavie Lavoie-Cardinal, chercheuse au Centre CERVO et professeure associée au Département de physique, de génie physique et d'optique.


La Centre CERVO dispose d'un appareil de microscopie optique à super-résolution qui combine un microscope et deux lasers; le premier excite les molécules photosensibles et le second les éteint, ce qui permet d'obtenir des images ayant une résolution exceptionnelle. Grâce à cet appareil complexe, les chercheurs parviennent à capter des images de structures dont la taille est à peine une dizaine de nanomètres. "C'est environ 1 000 fois plus petit que le corps d'un neurone, précise-t-elle. L'appareil est suffisamment puissant pour que l'on puisse étudier une synapse, la zone de contact entre deux neurones."

Au Centre CERVO, la professeure Lavoie-Cardinal est l'une des rares personnes qui arrivent à maîtriser cette bête. "L'appareil est d'une grande complexité et il y a beaucoup de paramètres à ajuster. Pour chaque échantillon étudié, il faut trouver, entre autres, la bonne combinaison d'intensité des lasers, de contraste, de temps d'acquisition et de taille des pixels. C'est très exigeant en temps et en ressources et le résultat n'est pas garanti. Pour une tâche très difficile, il faut parfois faire 1 000 images, ce qui peut exiger une dizaine d'heures de travail, pour en obtenir 15 bonnes. Avec le temps, on développe une expertise qui permet d'être plus efficace, mais le processus demeure laborieux. Il faut faire des compromis de sorte qu'on n'obtient pas toujours la qualité d'images qu'on souhaiterait."

De là est née l'idée de concevoir un assistant pouvant guider les utilisateurs dans cette tâche. Des chercheurs du Département de génie électrique et de génie informatique, du Département de biochimie, de microbiologie et de bio-informatique et du Centre de recherche CERVO ont uni leurs efforts pour concevoir un système automatisé qui optimise les paramètres de prise d'images nanoscopiques en utilisant l'apprentissage machine. "Notre système repose sur des algorithmes qui apprennent à partir du résultat de chaque essai. Ils améliorent progressivement la qualité de leurs prédictions et ils en viennent à proposer des combinaisons de paramètres qui ont une probabilité grandissante de produire de bonnes images. En plus, l'acquisition des images se fait simultanément à cette exploration. Nous avons aussi développé une application basée sur l'apprentissage profond qui peut être entraînée à reconnaître les meilleures images d'un même échantillon sans l'intervention de l'usager."

Ce système intelligent fait-il mieux qu'un spécialiste ? "Pour des échantillons sur lesquels j'ai travaillé dans le passé, mon expertise se compare à celle de notre système. Par contre, si c'est quelque chose de nouveau, notre système est plus efficace", admet humblement Flavie Lavoie-Cardinal.

Les chercheurs qui ont apporté cette innovation ont choisi d'en faire profiter toute la communauté scientifique en publiant son code en ligne. "Nous avons envisagé d'en faire un produit commercial, mais l'idée de partager cet outil pour favoriser l'avancement des connaissances correspondait davantage à nos valeurs, explique la professeure. Nous offrons même un soutien technique à ceux qui l'utiliseront." Le code est disponible au www.optim-nanoscopy.net.

L'article paru dans Nature Communications est signé par Audrey Durand, Theresa Wiesner, Marc-André Gardner, Louis-Émile Robitaille, Anthony Bilodeau, Christian Gagné, Paul De Koninck et Flavie Lavoie-Cardinal.