社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

APL Photonics | 侯尚国/张永兵提出了一种深度学习增强的单分子光谱成像方法

iNature • 8 月前 • 120 次点击  

近年来,多维超分辨显微成像技术因为能够提供更高的空间分辨率和更全面的分子特性信息而受到生物学家的广泛关注。其中,荧光分子的荧光光谱可以揭示丰富的信息,如pH值、粘度、极性和分子间距离等1-4,这对理解生物分子运动的潜在机制以及生物系统的微观动力学和宏观行为等方面具有重大意义。然而,现有方法大多使用荧光分光光度计来测量荧光光谱,难以应用于活细胞原位研究。基于单分子定位显微镜(Single Molecular Localization Microscope, SMLM)的光谱超分辨成像方法5则受限于信噪比,难以在较短时间内获得高精度的单个分子荧光光谱,其时间分辨率难以满足动态观测成像要求。
2023年9月,深圳湾实验室侯尚国团队和哈尔滨工业大学(深圳)张永兵团队合作在APL Photonics 上发表题为“Deep learning-enhanced single-molecule spectrum imaging”的研究论文,提出了一种深度学习增强的单分子光谱成像方法(SpecGAN)。与传统的单分子光谱成像方法相比,该方法可以将提取单分子荧光光谱所需的光子通量降低100倍,时间分辨率提高两个数量级。作者在仿真数据集和COS-7细胞数据上验证了该方法的可行性,该方法可以将光谱超分辨率成像的时间分辨率提高接近一倍有望为研究生物分子间相互作用和分子光谱动力学提供新的思路和工具6
文中首先介绍了基于棱镜分光的单分子光谱超分辨成像系统,其中荧光信号被分束镜分成两路,即EMCCD上分别接收位置和光谱通道的信息。进一步将记录得到的单分子光谱信息输入SpecGAN模型中,改善光谱曲线的信噪比,最终确定当前单个分子光谱的特征信息。在模型设计上,文中设计了对抗生成网络结构。其中生成器使用了一个简化版的Unet结构。为了使模型更加关注样本的环境信息,文中在判别器中设计了一个辅助分类任务,使得判别器不仅需要判断当前光谱信息是否为真,还需要正确分类当前光谱曲线对应的溶液或脂质双层成分。另外,文中还发现应用VMD算法对数据进行预处理之后可以改善模型性能。VMD分解可以自适应地将输入信号分解成不同的模态分量,舍弃其中的高频分量信息,只保留残差信号作为SpecGAN的输入可以提高模型在真实数据上的鲁棒性。
实验装置和数据处理过程总览(图源自Applied Physics Letters Photonics
应用该模型,文中对Nile Red标记的COS-7细胞进行了超分辨率光谱成像,以验证SpecGAN的性能。对于每个像素位置(下图c和d),荧光闪烁事件的次数大多在10以下,如果仅通过原始光谱进行重建,可以发现其光谱曲线非常类似噪声信号,信噪比较差。因此,处理噪声干扰是快速光谱分辨超分辨率成像的关键。与使用原始数据重建的超分辨率光谱成像(SR-STORM)相比,SpecGAN显著提高了光谱精度和成像速度。从图中a和b可以看出,SR-STORM的重建结果在COS-7胞内的光谱分布呈现不连续和噪声,而SpecGAN输出图像的光谱分布更加连续和平滑,符合人们的先验。另外,SpecGAN可以仅采集12,000张图像就完成多光谱超分辨图像重建,这是传统方法的一半左右,降低了荧光染料漂白对重建质量的影响
SpecGAN增强超分辨率光谱成像(图源自Applied Physics Letters Photonics
在该研究中,提出了一种深度学习增强的单分子光谱重建方法,可以将提取单分子荧光光谱所需的光子通量可以减少100倍,比传统方法提高两个数量级;将重建COS-7膜超分辨光谱图像的时间提高了一半。由于时间分辨率的提高,如果与单分子跟踪技术结合7-9,SpecGAN具有监测实时生化相互作用过程的潜力,如药物传递过程中肿瘤微环境变化、细胞内吞作用机制以及细胞内脂滴性质变化等。总的来说,该工作为微弱荧光信号的快速光谱成像提供了一种简单有效的研究工具,在生物相互作用动力学的研究中具有广泛的应用潜力。
侯尚国课题组致力于开发超高时空分辨三维成像技术并将其应用于相关动态生物系统研究。因课题组科研工作需要,招收光学、电子信息、生物学等相关背景的博士后(2名)、研究助理(3名)。欢迎优秀青年加盟,在这里你可以获得玩乐高积木和专业摄影的快乐,满足你探究细胞运行的奥秘的好奇心。

课题组主页:http://houlab.szbl.ac.cn/
参考文献:
1. Liu, Y., et al. Switchable and Functional Fluorophores for Multidimensional Single-Molecule Localization Microscopy. Chemical & Biomedical Imaging (2023).
2. Munan, S., Yadav, R., Pareek, N. & Samanta, A. Ratiometric fluorescent probes for pH mapping in cellular organelles. Analyst (2023).
3. Teo, W., et al. Nile Red fluorescence spectroscopy reports early physicochemical changes in myelin with high sensitivity. Proceedings of the National Academy of Sciences 118, e2016897118 (2021).
4. Martens, K.J.A., et al. Enabling Spectrally Resolved Single-Molecule Localization Microscopy at High Emitter Densities. Nano Letters 22, 8618-8625 (2022).
5. Moon, S., et al. Spectrally Resolved, Functional Super-Resolution Microscopy Reveals Nanoscale Compositional Heterogeneity in Live-Cell Membranes. J Am Chem Soc 139, 10944-10947 (2017).
6. Sha, H., Li, H., Zhang, Y. & Hou, S. Deep learning-enhanced single-molecule spectrum imaging. APL Photonics 8(2023).
7. Hou, S., Exell, J. & Welsher, K. Real-time 3D single molecule tracking. Nat Commun 11, 3607 (2020).
8. Zhang, R.L., et al. Simultaneous Single-Particle Tracking and Dynamic pH Sensing Reveal Lysosome-Targetable Mesoporous Silica Nanoparticle Pathways. ACS Appl Mater Interfaces 12, 42472-42484 (2020).
9. Hou, S., Lang, X. & Welsher, K. Robust real-time 3D single-particle tracking using a dynamically moving laser spot. Opt Lett 42, 2390-2393 (2017).

END

内容为【iNature】公众号原创,

转载请写明来源于【iNature】

微信加群

iNature汇集了4万名生命科学的研究人员及医生。我们组建了80个综合群(16个PI群及64个博士群),同时更具专业专门组建了相关专业群(植物,免疫,细胞,微生物,基因编辑,神经,化学,物理,心血管,肿瘤等群)。温馨提示:进群请备注一下(格式如学校+专业+姓名,如果是PI/教授,请注明是PI/教授,否则就直接默认为在读博士,谢谢)。可以先加小编微信号(iNature5),或者是长按二维码,添加小编,之后再进相关的群,非诚勿扰。


投稿、合作、转载授权事宜
请联系微信ID:13701829856 或邮箱:iNature2020@163.com

觉得本文好看,请点这里!

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/161666
 
120 次点击