SQUIRREL : pour en finir avec les images à la noix !
Figure : Principe de l’algorithme SQUIRREL. L’algorithme part d’une image super-résolue (en vert) et de l’image correspondante en microscopie limitée par la diffraction (en magenta). Après alignement des deux images, un calcul de la fonction de diffractio

SQUIRREL : pour en finir avec les images à la noix !

Résultats scientifiques

La microscopie de super-résolution permet d’observer l’architecture cellulaire jusqu’à des détails de quelques dizaines de nanomètres, mais il est parfois difficile au chercheur intéressé par ces techniques d’évaluer précisément la qualité des images obtenues. Pour répondre à ce besoin, les équipes de Christophe Leterrier à Marseille, Ricardo Henriques et Jason Mercer à Londres ont développé et validé une approche appelée SQUIRREL. Implémenté sous forme de logiciel libre, cet algorithme a fait l’objet d’un article publié le 19 février 2018 dans la revue Nature Methods. SQUIRREL ouvre la voie à la mise au point de microscopes intelligents adaptant leur fonctionnement pour optimiser les images acquises.

 

 

Inventée il y a un peu plus de dix ans, la microscopie de super-résolution est une révolution méthodologique pour les sciences du vivant. Cette avancée majeure, couronnée du prix Nobel de Chimie en 2014, permet l'observation directe des composants cellulaires et de leur comportement à une échelle nanométrique. Cependant, l'obtention d'images de qualité nécessite des conditions optimales de préparation d'échantillon, d'acquisition d'images et de traitement des données. L'absence de procédure simple pour diagnostiquer et identifier les sources d'une qualité d'image insuffisante sont un frein à la large adoption de la microscopie super-résolutive par la communauté des chercheurs en biologie.

Pour résoudre ce problème, des scientifiques du MRC Laboratory for Molecular Cell Biology (LMCB) à l'University College de Londre, du Francis Crick Institute, et de l'Institut de NeuroPhysiopathologie de Marseille (CNRS/Aix-Marseille Université) ont développé une approche originale appelée SQUIRREL (Super-resolution QUantitative Image Rating and Reporting of Error Locations, soit Évaluation quantitative des images de super-résolution et localisation des erreurs). SQUIRREL est capable de déterminer la qualité des images de super-résolution acquises par tous types de microscope, et de mettre en évidence la présence d'artefacts optiques. Grâce à cette évaluation, SQUIRREL permet aux chercheurs d'optimiser leurs images en identifiant la source de ces artefacts. Ceci ouvre la voie à la mise au point de microscopes intelligents pourvu de modules SQUIRREL permettant de déterminer les conditions optimales d'imagerie et de les adapter en temps réel chaque échantillon.

Image retirée.
Figure : Principe de l’algorithme SQUIRREL. L’algorithme part d’une image super-résolue (en vert) et de l’image correspondante en microscopie limitée par la diffraction (en magenta). Après alignement des deux images, un calcul de la fonction de diffraction (RSF) et une normalisation de l’intensité de l’image super-résolue sont effectués pour obtenir l’image super-résolue “théoriquement” limitée par la diffraction (SR convoluée et normalisée). Ces deux images sont comparées, établissant des scores de mesure de qualité (RSE et RSP) ainsi qu’une cartographie des erreurs sur l’image super-résolue.

 

Image retirée.
Animation : Image super-résolue STORM d’anneaux d’actine le long d’un axone. L’animation montre l’évolution de la qualité de l’image super-résolue selon la longueur de la séquence d’images choisie pour la générer (de 500 à 60 000 images). SQUIRREL permet de déterminer que la qualité est optimale après 30 000 images acquises et se dégrade ensuite de 30 000 à 60 000 images. Ceci permet d’ajuster la longueur des acquisitions et d’économiser du temps pour les acquisitions suivantes.
© Siân Culley, Ricardo Henriques, Christophe Leterrier

 

Pour en savoir plus

Contact