Mitochondrien sind als Kraftwerke und Energiespeicher essentielle Bestandteile von nahezu allen Zellen in Pflanzen, Pilzen und Tieren. Bisher nahm man an, dass diese Funktionen einem statischen Aufbau der mitochondrialen Membranen zu Grunde liegen. Forscher der Heinrich-Heine-Universität Dü ... mehr
Deep Learning ermöglicht frühzeitige Erkennung und Klassifizierung lebender Bakterien mittels Holographie
Entwicklung eines KI-gestützten intelligenten Bildgebungssystems zur Früherkennung und Klassifizierung von lebenden Bakterien in Wasserproben
Wasserinduzierte Krankheiten betreffen weltweit mehr als 2 Milliarden Menschen und verursachen eine erhebliche wirtschaftliche Belastung. So kostet beispielsweise die Behandlung von durch Wasser übertragenen Krankheiten allein in den Vereinigten Staaten jährlich mehr als 2 Milliarden Dollar, wobei jährlich 90 Millionen Fälle registriert werden. Unter den Problemen im Zusammenhang mit durch Wasser übertragenen Krankheitserregern ist eines der häufigsten Probleme der öffentlichen Gesundheit das Vorhandensein von insgesamt coliformen Bakterien und Escherichia coli (E. coli) im Trinkwasser, was auf eine fäkale Verunreinigung hinweist. Traditionelle kulturbasierte Bakteriennachweismethoden dauern oft 24-48 Stunden, gefolgt von einer visuellen Inspektion und einer Koloniezählung durch einen Experten, entsprechend den Richtlinien der United States Environmental Protection Agency (EPA). Alternativ dazu können molekulare Nachweismethoden, die beispielsweise auf der Amplifikation von Nukleinsäuren basieren, die Nachweiszeit auf einige Stunden reduzieren, aber ihnen fehlt im Allgemeinen die Empfindlichkeit für den Nachweis von Bakterien in sehr niedrigen Konzentrationen, und sie sind nicht in der Lage, zwischen lebenden und toten Mikroorganismen zu unterscheiden. Darüber hinaus gibt es keine von der EPA zugelassene, auf Nukleinsäuren basierende Methode zum Nachweis coliformer Bakterien in Wasserproben.
Daher besteht ein dringender Bedarf an einer automatisierten Methode, mit der ein schneller und hochempfindlicher Nachweis von Bakterienkolonien im Hochdurchsatz erreicht werden kann und die eine leistungsfähige Alternative zu den derzeit verfügbaren, von der EPA zugelassenen Goldstandard-Methoden darstellt, die mindestens 24 Stunden dauern und einen Experten für die Koloniezählung erfordern.
In einer neuen Veröffentlichung in Light: Science & Applications veröffentlicht wurde, hat ein Team von Wissenschaftlern unter der Leitung von Professor Aydogan Ozcan vom Electrical and Computer Engineering Department an der University of California, Los Angeles (UCLA), USA, und Mitarbeitern ein KI-gestütztes intelligentes Bildgebungssystem zur Früherkennung und Klassifizierung lebender Bakterien in Wasserproben entwickelt. Auf der Grundlage der Holographie entwarfen sie ein hochempfindliches Imaging-System mit hohem Durchsatz, das kontinuierlich mikroskopische Bilder einer ganzen Kulturplatte, auf der Bakterien wachsen, aufnimmt, um durch die Analyse dieser Zeitraffer-Bilder mit einem tiefen neuronalen Netzwerk schnell das Wachstum von Kolonien zu erkennen. Nach dem Nachweis jedes Koloniewachstums wird ein zweites neuronales Netzwerk verwendet, um die Art der Bakterien zu klassifizieren.
Die Wirksamkeit dieser einzigartigen Plattform wurde durch die Durchführung einer Früherkennung und Klassifizierung von drei Arten von Bakterien, d.h. E. coli, Klebsiella aerogenes (K. aerogenes) und Klebsiella pneumoniae (K. pneumoniae), demonstriert, und die Forscher der UCLA erreichten eine Nachweisgrenze von 1 koloniebildenden Bakterium pro 1 Liter Wasserprobe unter 9 Stunden Gesamttestzeit, was eine Zeitersparnis von mehr als 12 Stunden für den Bakteriennachweis im Vergleich zu den Goldstandard-EPA-Methoden darstellt. Diese Ergebnisse unterstreichen das transformative Potenzial dieser KI-gestützten holographischen Bildgebungsplattform, die nicht nur einen hochempfindlichen, schnellen und kostengünstigen Nachweis lebender Bakterien ermöglicht, sondern auch ein leistungsstarkes und vielseitiges Werkzeug für die mikrobiologische Forschung darstellt.
Changchun Institute of Optics, Fine Mechanics and Physics
- Bakterien
- Wasser
- Mikrobiologie
- Kontaminationen
-
News
Gefilmter Film: Forscher beobachten Fotobelichtung auf der Nano-Ebene
Ein internationales Forscherteam hat an DESYs heller Röntgenquelle PETRA III die Belichtung eines Fotopapiers auf der Ebene einzelner Nanokristalle beobachtet. Die Messungen zeigen, wie sich die lichtempfindlichen Körnchen in der fotografischen Emulsion verformen, drehen und schließlich zer ... mehr
Weltweit erstes Klimaforschungsprojekt mit dem Einsatz einer unbemannten Drohne
Mit einem neuartigen optischen Spektrometer beteiligen sich Physiker der Universität Heidelberg an dem weltweit ersten Atmosphären- und Klimaforschungsprojekt, bei dem eine unbemannte Drohne zum Einsatz kommt. Im Rahmen des deutsch-amerikanischen Forschungsprojekts Airborne Tropical TRopopa ... mehr
- 1analytica 2020 mit sehr guten Ergebnissen im digitalen Format
- 2Neue SARS-CoV-2-Variante hat sich im Sommer 2020 in Europa verbreitet
- 3Die künstliche Zelle auf einem Chip
- 4Gemeinsame Schwachstellen von Coronaviren
- 5Forscher enthüllt Sensor, der COVID-19-Infektion schnell erkennt
- 6Neue Technik durchbricht eine Technologie-Barriere, die die RNA-Bildgebung 50 Jahre lang einschränkte
- 7Auflösungsweltrekord in der Kryo-Elektronenmikroskopie
- 8Neuer Algorithmus schärft den Blick der leistungsstärksten Mikroskope der Welt
- 9Revolution in der Krebsdiagnostik: Neue Technik zeigt ganze Tumorstücke in 3D
- 10Erstes Infrarot basiertes Mikroskop mit Quantenlicht: Die Zukunft der Biomedizin?
- Deep Learning ermöglicht frühzeitige Erkennung und Klassifizierung lebender Bakterien mittels Holographie
- Fluor ermöglicht trennungsfreie 'chiral-chromatographische Analyse'
- DKSH erweitert Partnerschaft mit Bruker in China
- Vervielfältigung und Bildgebung von Mikro-RNA als Biomarker für Tumore
- Graphen-Mapping 50 Mal schneller