En los seres humanos, los adenovirus pueden infectar las células del tracto respiratorio, mientras que los virus del herpes pueden infectar las de la piel y el sistema nervioso. En la mayoría de los casos, esto no conduce a la producción de nuevas partículas de virus, ya que los virus son suprimidos porEl sistema inmunológico. Sin embargo, los adenovirus y los virus del herpes pueden causar infecciones persistentes que el sistema inmunológico no puede suprimir por completo y que producen partículas virales durante años. Estos mismos virus también pueden causar infecciones repentinas y violentas donde las células afectadas liberan grandes cantidades de virus,de tal manera que la infección se propague rápidamente. Esto puede provocar enfermedades agudas graves de los pulmones o del sistema nervioso.
Detección automática de células infectadas por virus
El grupo de investigación de Urs Greber, profesor del Departamento de Ciencias de la Vida Molecular de la Universidad de Zúrich UZH, ha demostrado por primera vez que un algoritmo de aprendizaje automático puede reconocer las células infectadas con herpes o adenovirus basándose únicamentesobre la fluorescencia del núcleo celular. "Nuestro método no solo identifica de manera confiable las células infectadas por virus, sino que también detecta con precisión las infecciones virulentas por adelantado", dice Greber. Los autores del estudio creen que su desarrollo tiene muchas aplicaciones, incluida la predicción de cómo las células humanasreaccionan a otros virus o microorganismos. "El método abre nuevas formas de comprender mejor las infecciones y descubrir nuevos agentes activos contra patógenos como virus o bacterias", agrega Greber.
El método de análisis se basa en combinar microscopía de fluorescencia en células vivas con procesos de aprendizaje profundo. El herpes y adenovirus formados dentro de una célula infectada cambian la organización del núcleo, y estos cambios se pueden observar al microscopio. El grupo desarrolló unalgoritmo de aprendizaje profundo, una red neuronal artificial, para detectar automáticamente estos cambios. La red se entrena con un gran conjunto de imágenes microscópicas a través de las cuales aprende a identificar patrones que son característicos de células infectadas o no infectadas ". Después del entrenamiento y la validaciónestán completos, la red neuronal detecta automáticamente las células infectadas con virus ", explica Greber.
Predicción confiable de infecciones agudas graves
El equipo de investigación también ha demostrado que el algoritmo es capaz de identificar infecciones agudas y graves con una precisión del 95 por ciento y hasta 24 horas antes. Imágenes de células vivas de infecciones líticas, en las que las partículas del virus se multiplican rápidamente y las células se disuelven, así como las imágenes de infecciones persistentes, en las que los virus se producen continuamente pero solo en pequeñas cantidades, sirvieron como material de capacitación. A pesar de la gran precisión del método, aún no está claro qué características de los núcleos de células infectadas son reconocidas por el sistema artificial.red neuronal para distinguir las dos fases de la infección. Sin embargo, incluso sin este conocimiento, los investigadores ahora pueden estudiar la biología de las células infectadas con mayor detalle.
El grupo ya ha descubierto algunas diferencias: la presión interna del núcleo es mayor durante las infecciones virulentas que durante las fases persistentes. Además, en una célula con infección lítica, las proteínas virales se acumulan más rápidamente en el núcleo ". Sospechamos que distintas célulasLos procesos determinan si una célula se desintegra o no después de ser infectada. Ahora podemos investigar estas y otras preguntas ", dice Greber.
Fuente de la historia :
Materiales proporcionado por Universidad de Zurich . Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :