AI-driven Optical Biology
Research Interests
The “AI-driven Optical Biology” laboratory combines state-of-the-art imaging technologies with artificial intelligence to explore and comprehend cellular behaviour. Our goal is to create innovative tools and methods that provide new insights into the spatial organisation and dynamics of proteins within living cells. We strive to enhance our understanding of essential biological processes, paving the way for new therapeutic strategies in human diseases.
The primary focus of the AIOBio group is to study cell biology via optical microscopy, using open-source technology to tackle critical biological issues by developing new optical imaging techniques and their application in studying biological systems. The group is particularly interested in revealing super-resolution microscopy methods and their relevance to host-pathogen interactions, cell signalling, and immunology. Furthermore, the group investigates machine learning techniques for analysing biological images. Through these initiatives, we aim to significantly deepen our understanding of fundamental biological processes and create new possibilities for therapeutic interventions in human diseases. Our research lines encompass the following themes:
- Super-resolution microscopy: The lab has developed methods and algorithms for super-resolution microscopy, such as SRRF, QuickPALM, NanoJ, and SQUIRREL. These are widely used analytical tools in the field.
- Cell biology: Several projects apply super-resolution microscopy to study cell signalling, T-cell immunology, and viral infection.
- Structural biology: The lab deploys super-resolution microscopy to study the structure of biological systems, such as viruses and the cytoskeleton.
- Image analysis: The lab develops tools like ZeroCostDL4Mic for the analysis and quantification of complex 3D fluorescence microscopy data.
- Technology development: A core focus is developing new imaging technologies and making them accessible and open-source for the research community.
- Interdisciplinary research: Collaborations span areas like biotechnology, immunology, virology, and structural biology.
Group Members
-
Arturo G. Vesga, Postdoctoral Researcher, CiênciaID
-
Bruno M. Saraiva, Postdoctoral Researcher, CiênciaID
-
Daria Aristova, Postdoctoral Researcher, CiênciaID
-
Estibaliz Gómez de Mariscal, Postdoctoral Researcher, CiênciaID
-
Hannah Heil, Postdoctoral Researcher, CiênciaID
-
Mario Del Rosario, Postdoctoral Researcher, CiênciaID
-
Nuno P. Martins, Postdoctoral Researcher, CiênciaID
-
António D. Brito, PhD student, CiênciaID
-
Afonso Mendes, PhD student, CiênciaID
-
Damián Martínez Reyes, PhD student, CiênciaID
-
Leonor Morgado, PhD student, CiênciaID
-
Iván Hidalgo-Cenalmor, Software Engineer, CiênciaID
-
Mariana Ferreira, Software Engineer, CiênciaID
-
Filipa Reinoite, Lab Manager
Selected Publications
-
von Chamier, L., Laine, R. F., Jukkala, J., Spahn, C., Krentzel, D., Nehme, E., Lerche, M., Hernández-Pérez, S., Mattila, P. K., Karinou, E., Holden, S., Solak, A. C., Krull, A., Buchholz, T.-O., Jones, M. L., Royer, L. A., Leterrier, C., Shechtman, Y., Jug, F., … Henriques, R. (2021). Democratising deep learning for microscopy with ZeroCostDL4Mic. In Nature Communications (Vol. 12, Issue 1). Springer Science and Business Media LLC. https://doi.org/10.1038/s41467-021-22518-0
-
Laine, R. F., Tosheva, K. L., Gustafsson, N., Gray, R. D. M., Almada, P., Albrecht, D., Risa, G. T., Hurtig, F., Lindås, A.-C., Baum, B., Mercer, J., Leterrier, C., Pereira, P. M., Culley, S., & Henriques, R. (2019). NanoJ: a high-performance open-source super-resolution microscopy toolbox. In Journal of Physics D: Applied Physics (Vol. 52, Issue 16, p. 163001). IOP Publishing. https://doi.org/10.1088/1361-6463/ab0261
-
Almada, P., Pereira, P. M., Culley, S., Caillol, G., Boroni-Rueda, F., Dix, C. L., Charras, G., Baum, B., Laine, R. F., Leterrier, C., & Henriques, R. (2019). Automating multimodal microscopy with NanoJ-Fluidics. In Nature Communications (Vol. 10, Issue 1). Springer Science and Business Media LLC. https://doi.org/10.1038/s41467-019-09231-9
-
Laine, R. F., Heil, H. S., Coelho, S., Nixon-Abell, J., Jimenez, A., Wiesner, T., Martínez, D., Galgani, T., Régnier, L., Stubb, A., Follain, G., Webster, S., Goyette, J., Dauphin, A., Salles, A., Culley, S., Jacquemet, G., Hajj, B., Leterrier, C., & Henriques, R. (2023). High-fidelity 3D live-cell nanoscopy through data-driven enhanced super-resolution radial fluctuation. In Nature Methods (Vol. 20, Issue 12, pp. 1949–1956). Springer Science and Business Media LLC. https://doi.org/10.1038/s41592-023-02057-w
-
Spahn, C., Gómez-de-Mariscal, E., Laine, R. F., Pereira, P. M., von Chamier, L., Conduit, M., Pinho, M. G., Jacquemet, G., Holden, S., Heilemann, M., & Henriques, R. (2022). DeepBacs for multi-task bacterial image analysis using open-source deep learning approaches. In Communications Biology (Vol. 5, Issue 1). Springer Science and Business Media LLC. https://doi.org/10.1038/s42003-022-03634-z
Laboratory's Website
For further information visit the laboratory's website
Biologia e Óptica Orientada por AI (PT)
O laboratório de "Biologia e Óptica Orientada por AI " combina tecnologias de imagem de ponta com inteligência artificial para investigar o comportamento celular. O nosso objetivo é criar ferramentas e métodos inovadores que proporcionem novos insights sobre a organização espacial e a dinâmica das proteínas in vivo. Pretendemos
Aprofundar o nosso conhecimento sobre processos biológicos fundamentais, abrindo caminho para o desenvolvimento de novas terapias de doenças humanas.
O foco principal do grupo AIOBio é estudar a biologia celular através da microscopia óptica, utilizando tecnologia open-source para responder questões biológicas através do desenvolvimento de novas técnicas de imagem ótica e da sua aplicação no estudo de sistemas biológicos.
O grupo tem um interesse particular em otimizar métodos de microscopia de super-resolução para estudar interações hospedeiro-patogénico, sinalização celular e imunologia. Investigam também técnicas de machine learning para análise de imagens biológicas. Através destes projectos diferentes, o grupo pretende aprofundar significativamente a compreensão de processos biológicos fundamentais e criar novas possibilidades para intervenções terapêuticas em doenças humanas. As diferentes linhas de investigação abrangem os seguintes temas:
- Microscopia de super-resolução: O laboratório desenvolveu métodos e algoritmos para microscopia de super-resolução, como SRRF, QuickPALM, NanoJ e SQUIRREL. Estas são ferramentas analíticas amplamente utilizadas.
- Biologia celular: Existem vários projetos a decorrer em é aplicada a microscopia de super-resolução para estudar a sinalização celular, a imunologia das células T e a infeção viral.
- Biologia estrutural: O laboratório utiliza a microscopia de super-resolução para estudar a estrutura de sistemas biológicos, como vírus e o citoesqueleto.
- Análise de imagem: O laboratório desenvolve ferramentas como ZeroCostDL4Mic para a análise e quantificação de dados complexos de microscopia de fluorescência 3D.
- Desenvolvimento tecnológico: Priorizamos o desenvolvimento de tecnologias de imagem inovadoras e a sua disponibilização open-source para a comunidade científica.
- Investigação interdisciplinar: As colaborações abrangem áreas como biotecnologia, imunologia, virologia e biologia estrutural.