Эффективная идентификация пыльцы

Анализ пыльцы играет важную роль во многих областях исследований: от прогнозирования её содержания в воздухе и анализа мёда до изучения изменений во взаимодействиях растений и опылителей, связанных с климатом. Микроскопия по-прежнему считается золотым стандартом, но она очень трудоёмка и требует значительной экспертизы. В сотрудничестве с Техническим университетом Ильменау (TU Ilmenau) учёные из Центра экологических исследований Гельмгольца (UFZ) и Немецкого центра интегративных исследований биоразнообразия (iDiv) разработали метод, позволяющий эффективно автоматизировать процесс анализа пыльцы. Их исследование опубликовано в журнале New Phytologist.

Пыльца, содержащая мужской генетический материал растения, необходима для его размножения. Её переносят насекомые-опылители. «На фоне изменения климата и ускоряющейся потери видов особенно важно лучше понимать эти взаимодействия», — говорит руководитель группы по проточной цитометрии с визуализацией UFZ и iDiv доктор Сузанне Дункер. Пыльцевой анализ — ключевой инструмент для этого.

Каждый вид растения имеет пыльцевые зёрна характерной формы, структуры поверхности и размера (от 10 до 180 микрометров). Хотя для их идентификации и подсчёта микроскопия долго была золотым стандартом, она требует много времени и экспертизы. «Существующие методы автоматизации либо не могут дифференцировать близкородственные виды, либо не дают количественных данных о числе пыльцевых зёрен в образце», — отмечает Дункер.

В новом исследовании команда разработала метод, сочетающий высокую пропускную способность проточной цитометрии с визуализацией (техники анализа частиц) с искусственным интеллектом (ИИ) в форме глубокого обучения. Это позволяет точно идентифицировать вид и количественно оценивать пыльцевые зёрна в образце.

Процедура анализа:

1. Образец пыльцы добавляется в жидкость-носитель, которая течёт через сужающийся канал.
2. Пыльцевые зёрна выстраиваются в линию и по одному проходят через микроскопический элемент.
3. Система захватывает до 2000 изображений отдельных зёрен в секунду (два обычных микроскопических и десять флуоресцентных изображений на зерно).
4. При возбуждении лазером пыльца флуоресцирует, что даёт дополнительные видовые признаки.

В процессе глубокого обучения алгоритм последовательно абстрагирует пиксели изображения, чтобы извлечь видоспецифичные характеристики. «Комбинация микроскопических изображений, флуоресцентных характеристик и высокой пропускной способности в анализе пыльцы используется впервые», — подчёркивает Дункер. Анализ образца, занимающий под микроскопом 4 часа, новым методом выполняется за 20 минут. UFZ уже подал заявку на патент, а Дункер получила в 2019 году Премию UFZ за трансфер технологий.

В исследовании использовались образцы пыльцы от 35 видов луговых растений (тысячелистник, шалфей, тимьян, различные виды клевера). Было подготовлено около 430 000 изображений, которые легли в основу набора данных. С помощью глубокого обучения этот набор был преобразован в эффективный инструмент идентификации. Тестирование метода на неизвестных образцах показало точность 96%, даже для видов, сложно различимых под микроскопом.

В будущем этот метод позволит отвечать на ключевые вопросы о взаимодействиях растений и опылителей: важность конкретных опылителей (пчёлы, мухи, шмели) для определённых растений, последствия потери вида. «Мы можем оценивать образцы пыльцы в больших масштабах как качественно, так и количественно, — говорит Дункер. — Мы постоянно расширяем наш набор данных». Цель — включить в него как минимум 500 видов растений, чья пыльца важна как источник пищи для медоносных пчёл.