Nowa metoda analizy pyłków przy użyciu multispektralnej cytometrii przepływowej - Aktualności
Strona główna » Aktualności » Nowa metoda analizy pyłków przy użyciu multispektralnej cytometrii przepływowej (2021-04-12)Nowa metoda analizy pyłków przy użyciu multispektralnej cytometrii przepływowej
Nowa dziedzina palinologii to melisopalinologia (melitopalinologia). Zajmuje się ona badaniem produktów pszczelich między innymi w celu poznania źródeł pożytków nektarowych i pyłkowych. Głównym zadaniem analizy pyłkowej miodów jest ich klasyfikowanie do odmian (botaniczne pochodzenie) i określenie ich geograficznego pochodzenia, co pozwala na wykrywanie zafałszowań. Chodzi tu głównie o sprzedaż miodów importowanych, często z odległych stref klimatycznych, jako miodów polskich lub ich mieszanie z krajowymi miodami.
Zespół naukowców pod dyrekcją Susanne Dunker opracował nową metodę analizy pyłków przy użyciu multispektralnej cytometrii przepływowej w połączeniu z głębokim uczeniem się. Pozwala ona na szybki pomiar, zapewniając jednocześnie wysoką dokładność identyfikacji pyłków. Zbiór danych obejmujący 426 876 obrazów przedstawiających pyłki z 35 gatunków roślin wykorzystano do wytrenowania konwolucyjnego klasyfikatora sieci neuronowej, który zapewnił uśrednioną dla gatunku dokładność na poziomie 96%. Nawet gatunki, które są trudne do rozróżnienia za pomocą mikroskopii, mogą być wyraźnie oddzielone.
Metoda ta pozwala również na szczegółowe określenie cech morfologicznych pyłku, takich jak wielkość, symetria czy struktura. Dysponując obszerną referencyjną bazą danych o pyłkach, można zapewnić potężne narzędzie do wykorzystania we wszelkich badaniach pyłku, które wymagają szybkiej i dokładnej identyfikacji gatunków, ilościowego określenia ziarna pyłku i ekstrakcji cech świeżego pyłku.
Opracował AS na podstawie: https://nph.onlinelibrary.wiley.com/doi/10.1111/nph.16882
Zespół naukowców pod dyrekcją Susanne Dunker opracował nową metodę analizy pyłków przy użyciu multispektralnej cytometrii przepływowej w połączeniu z głębokim uczeniem się. Pozwala ona na szybki pomiar, zapewniając jednocześnie wysoką dokładność identyfikacji pyłków. Zbiór danych obejmujący 426 876 obrazów przedstawiających pyłki z 35 gatunków roślin wykorzystano do wytrenowania konwolucyjnego klasyfikatora sieci neuronowej, który zapewnił uśrednioną dla gatunku dokładność na poziomie 96%. Nawet gatunki, które są trudne do rozróżnienia za pomocą mikroskopii, mogą być wyraźnie oddzielone.
Metoda ta pozwala również na szczegółowe określenie cech morfologicznych pyłku, takich jak wielkość, symetria czy struktura. Dysponując obszerną referencyjną bazą danych o pyłkach, można zapewnić potężne narzędzie do wykorzystania we wszelkich badaniach pyłku, które wymagają szybkiej i dokładnej identyfikacji gatunków, ilościowego określenia ziarna pyłku i ekstrakcji cech świeżego pyłku.
Opracował AS na podstawie: https://nph.onlinelibrary.wiley.com/doi/10.1111/nph.16882
2021-04-12 / AS