想象一下，你是一名博士生，拿着荧光显微镜和活细菌样本。利用这些资源从样本中获得细菌分裂的详细观察结果的最佳方法是什么?
你可能会忍不住放弃食物和休息，不停地坐在显微镜前，在细菌最终开始分裂时获取图像。(一种细菌可能需要数小时才能分裂。它并不像听起来那么疯狂，因为手动检测和采集控制在许多科学中都很普遍。
(资料图片仅供参考)
或者，您可能希望将显微镜设置为不加选择地尽可能多地拍摄图像。但是，过多的光线会更快地耗尽样品中的荧光，并可能过早地破坏活的样品。此外，你会生成许多无趣的图像，因为只有少数图像包含分裂细菌的图像。
另一种解决方案是使用人工智能来检测细菌分裂的前体，并利用这些前体自动更新显微镜的控制软件，以拍摄更多事件的照片。
EPFL生物物理学家现在已经找到了一种方法，可以在人工神经网络的帮助下，自动进行显微镜控制，以详细成像生物事件，同时限制样品上的压力。他们的技术适用于细菌细胞分裂和线粒体分裂。他们的智能显微镜的细节在自然方法中有所描述。
“智能显微镜有点像自动驾驶汽车。它需要处理某些类型的信息，微妙的模式，然后通过改变其行为来做出反应，“EPFL实验生物物理实验室的首席研究员Suliana Manley解释说。“通过使用神经网络，我们可以检测到更微妙的事件，并利用它们来驱动采集速度的变化。
Manley和她的同事们首先解决了如何检测线粒体分裂的问题，这比新月形衣原体等细菌更难。线粒体分裂是不可预测的，因为它很少发生，并且几乎可以在任何时候在线粒体网络内的任何地方发生。但科学家们通过训练神经网络来观察线粒体收缩(线粒体形状的变化导致分裂)解决了这个问题，并结合对已知在分裂部位富集的蛋白质的观察。
当收缩和蛋白质水平都很高时，显微镜切换到高速成像，以详细捕获分裂事件的许多图像。当收缩和蛋白质水平较低时，显微镜然后切换到低速成像，以避免将样品暴露在过多的光线下。
通过这种智能荧光显微镜，科学家们表明，与标准快速成像相比，他们可以观察样品更长的时间。虽然与标准慢成像相比，样品的压力更大，但他们能够获得更有意义的数据。
“智能显微镜的潜力包括测量标准采集会错过什么，”Manley解释说。“我们捕捉更多的事件，测量更小的收缩，并且可以更详细地跟踪每个部门。
科学家们正在将控制框架作为开放显微镜软件Micro-Manager的开源插件提供，目的是让其他科学家将人工智能集成到他们自己的显微镜中。
