Single-molecule imaging analysis has been applied to study the dynamics and kinetics of molecular behaviors and interactions in living cells. In spite of its high potential as a technique to investigate the molecular mechanisms of cellular phenomena, single-molecule imaging analysis has not been extended to a large scale of molecules in cells due to the low measurement throughput as well as required expertise. To overcome these problems, we have automated the imaging processes by using computer operations, robotics and artificial intelligence (AI). AI is an ideal substitute for expertise to obtain high-quality images for quantitative analysis. Our automated in-cell single-molecule imaging system, AiSIS, could analyze 1600 cells in 1 day, which corresponds to ∼ 100-fold higher efficiency than manual analysis. The large-scale analysis revealed cell-to-cell heterogeneity in the molecular behavior, which had not been recognized in previous studies. An analysis of the receptor behavior and downstream signaling was accomplished within a significantly reduced time frame and revealed the detailed activation scheme of signal transduction, advancing cell biology research. Furthermore, by combining the high-throughput analysis with our previous finding that a receptor changes its behavioral dynamics depending on the presence of a ligand/agonist or inhibitor/antagonist, we show that AiSIS is applicable to comprehensive pharmacological analysis such as drug screening. This AI-aided automation has wide applications for single-molecule analysis.

中文翻译：

---

人工智能辅助下的大规模单分子成像

单分子成像分析已被应用于研究活细胞中分子行为和相互作用的动力学和动力学。尽管作为一种研究细胞现象分子机制的技术具有很大的潜力，但由于测量吞吐量低以及所需的专业知识，单分子成像分析尚未扩展到细胞中的大规模分子。为了克服这些问题，我们通过使用计算机操作、机器人技术和人工智能 (AI) 实现了成像过程的自动化。人工智能是专业知识的理想替代品，可以获得用于定量分析的高质量图像。我们的自动细胞内单分子成像系统 AiSIS 可以在 1 天内分析 1600 个细胞，这相当于比手动分析效率高约 100 倍。大规模分析揭示了分子行为的细胞间异质性，这在以前的研究中没有被认识到。在显着缩短的时间范围内完成了对受体行为和下游信号传导的分析，揭示了信号转导的详细激活方案，推进了细胞生物学研究。此外，通过将高通量分析与我们之前发现受体根据配体/激动剂或抑制剂/拮抗剂的存在而改变其行为动力学的发现相结合，我们表明 AiSIS 适用于综合药理学分析，如药物筛选。这种 AI 辅助的自动化在单分子分析中具有广泛的应用。在显着缩短的时间范围内完成了对受体行为和下游信号传导的分析，揭示了信号转导的详细激活方案，推进了细胞生物学研究。此外，通过将高通量分析与我们之前发现受体根据配体/激动剂或抑制剂/拮抗剂的存在而改变其行为动力学的发现相结合，我们表明 AiSIS 适用于综合药理学分析，如药物筛选。这种 AI 辅助的自动化在单分子分析中具有广泛的应用。在显着缩短的时间范围内完成了对受体行为和下游信号传导的分析，揭示了信号转导的详细激活方案，推进了细胞生物学研究。此外，通过将高通量分析与我们之前发现受体根据配体/激动剂或抑制剂/拮抗剂的存在而改变其行为动力学的发现相结合，我们表明 AiSIS 适用于综合药理学分析，如药物筛选。这种 AI 辅助的自动化在单分子分析中具有广泛的应用。通过将高通量分析与我们之前的发现相结合，即受体会根据配体/激动剂或抑制剂/拮抗剂的存在而改变其行为动力学，我们表明 AiSIS 适用于综合药理学分析，例如药物筛选。这种 AI 辅助的自动化在单分子分析中具有广泛的应用。通过将高通量分析与我们之前的发现相结合，即受体会根据配体/激动剂或抑制剂/拮抗剂的存在而改变其行为动力学，我们表明 AiSIS 适用于综合药理学分析，例如药物筛选。这种 AI 辅助的自动化在单分子分析中具有广泛的应用。