von
Um dennoch hochauflösend Strukturen zu erkennen, werden mehrere solcher Bilder gemittelt und dadurch entrauscht. Dabei hilft Künstliche Intelligenz (KI), die so trainiert wird, dass sie Partikel in den Mikroskopiebildern effizient identifizieren kann. Für dieses Training fehlen aber speziell in der Strukturbiologie Daten. Ein Forscherteam um David Haselbach vom Institut für Molekulare Pathologie (IMP) in Wien hat in Zusammenarbeit mit Pavol Harar von der Universität Wien ein neues Werkzeug namens "FakET" entwickelt. Dieses kann mithilfe maschinellen Lernens Bilder erzeugen, die jenen von Elektronenmikroskopen sehr ähnlich sind. Diese helfen das KI-System so zu trainieren, dass es verschiedene Partikel identifizieren kann. "Es ist, als würde man einen virtuellen Zoo mit genau beschrifteten Tieren schaffen, um einen Computer beizubringen, wie er die einzelnen Arten in der freien Wildbahn erkennt", so Harar in einer Aussendung des IMP. Die Arbeit wurde im Fachjournal "Structure" veröffentlicht (https://go.apa.at/RMQqAAph).
WIEN - ÖSTERREICH: FOTO: APA/APA/IMP
