70 GIGA Rapport annuel 2021 GIGA-CELL IMAGING & FLOW CYTOMETRY NOUVEAUX EQUIPEMENTS EN 2021 La plateforme a fait l’acquisition d’un cytomètre en flux à détection spectrale (SONY ID7000) qui permet d’acquérir facilement un très grand nombre de spectres d’émission tout en gérant l’autofluorescence. Un nouveau système d’imagerie en temps réel (INCUCYTE SX5) offrant plus de couleurs que notre ancien système et équipé d’un nouveau module spécifique pour l’analyse des organoïdes dans les dômes matriciels a également été acheté. Enfin, un nouveau microscope confocal haute résolution (ZEISS LSM 980 Airyscan 2) avec une vitesse d’acquisition élevée tout en maintenant une haute résolution et un très bon rapport signal/bruit est désormais disponible au sein de la plateforme. NOUVEAUX DEVELOPPEMENTS EN 2021 Microscopie d’expansion La microscopie d’expansion (ExM) est un protocole d’imagerie qui permet aux microscopes optiques conventionnels (240 nm) de voir des détails subdiffractés (entre 30 et 50 nm) ou densément emballés qui ne pouvaient pas être distingués auparavant. Microscopie confocale spectrale Le nombre de sondes fluorescentes qui peuvent être distinguées dans une acquisition classique de type canal est limité à 4 fluorochromes. Le développement récent de l’imagerie spectrale couplée au démixage linéaire permet de surmonter cette limitation en résolvant les spectres fluorescents qui se chevauchent. Apprentissage automatique : Classification des pixels avec QuPath La détection des cellules (segmentation) peut être très difficile en microscopie. L’apprentissage d’un classificateur de pixels permet d’intégrer beaucoup plus d’informations que ne le permet un simple seuil, et de déterminer la sortie d’une manière beaucoup plus sophistiquée. Cela signifie qu’il peut être appliqué à des cas où un seuil ne serait tout simplement pas assez précis. Deep Learning : exemple de débruitage, segmentation Le débruitage par intelligence artificielle peut être utilisé pour améliorer la qualité d’une image ou pour segmenter des cellules.
RkJQdWJsaXNoZXIy MTk1ODY=