稀疏解卷積：實現(xiàn)活細胞超分辨率熒光顯微成像的“新利器”

超分辨率熒光顯微成像技術(shù)在生命科學(xué)領(lǐng)域有著廣泛的應(yīng)用，但在活細胞成像時也面臨著一系列挑戰(zhàn)。北京大學(xué)陳良怡教授團隊與哈爾濱工業(yè)大學(xué)李浩宇教授團隊合作提出稀疏解卷積算法，克服熒光顯微鏡的物理分辨率極限，實現(xiàn)通用的分辨率提升。該算法在活細胞成像應(yīng)用與實踐過程中，實現(xiàn)了約60納米空間分辨率的毫秒曝光或者多色、三維、長時間的超分辨率熒光顯微成像，同時該算法還能與現(xiàn)有多數(shù)商業(yè)熒光顯微鏡結(jié)合應(yīng)用，可謂是實現(xiàn)活細胞超分辨率熒光顯微成像的“新利器”。

?

現(xiàn)代科技和生物醫(yī)學(xué)的交叉融合推動著臨床醫(yī)學(xué)的理念革新和技術(shù)進步。光學(xué)顯微鏡作為一種成像儀器，長期以來一直為精密制造和生命科學(xué)等領(lǐng)域的定性與定量分析和研究提供著有效而關(guān)鍵的支撐。2014年諾貝爾化學(xué)獎授予了美國科學(xué)家埃里克?貝齊格、威廉?莫納和德國科學(xué)家斯特凡?黑爾，以表彰他們?yōu)榘l(fā)展超分辨率熒光顯微鏡所作的貢獻。他們利用控制熒光分子特性的方式，克服了傳統(tǒng)光學(xué)顯微鏡分辨率受限于光學(xué)衍射極限的問題，實現(xiàn)了“熒光超分辨”成像。借助這種新興的生物醫(yī)學(xué)影像工具，研究人員可對生物體乃至細胞內(nèi)部不同結(jié)構(gòu)成分及其相互作用進行觀察分辨，這也使得動態(tài)記錄生命活體或者活細胞中的精細結(jié)構(gòu)和動態(tài)變化成為可能。

迄今為止，基于光學(xué)硬件或者熒光探針的改進方案，都無法進一步使活細胞超分辨率熒光顯微成像提升到毫秒尺度60納米的時空分辨率。例如，非線性結(jié)構(gòu)光顯微鏡（Structured Illumination Microscopy, SIM）雖可實現(xiàn)接近60納米的空間分辨率，但需以降低時間分辨率為代價，且需使用光漂白敏感的可光活化/光開關(guān)熒光蛋白。此外，由于細胞深層內(nèi)部的分辨率和對比度仍然受到熒光發(fā)射和離焦平面散射的影響，高對比度超分辨率結(jié)構(gòu)光顯微成像的成像深度只能被限制在0.1～1微米。因此，當(dāng)前亟待找尋一種超分辨率方法，能夠在活細胞中實現(xiàn)約60納米空間分辨率的毫秒曝光或者進行多色、三維、長時間的超分辨率熒光顯微成像。

稀疏解卷積算法

應(yīng)用與實踐

由稀疏解卷積算法與商用的轉(zhuǎn)盤共聚焦結(jié)構(gòu)光顯微鏡（SD-SIM）結(jié)合得到的稀疏SD-SIM（Sparse SD-SIM），能夠以優(yōu)于90納米的分辨率實現(xiàn)多色、三維、長時間的活細胞超分辨率熒光顯微成像。合作團隊使用雙色稀疏SD-SIM在活細胞中觀測到了內(nèi)質(zhì)網(wǎng)與溶酶體接觸的事件。稀疏SD-SIM還可進行四色超分辨率成像，能夠在活細胞中同時觀測溶酶體、線粒體、微管和細胞核的動態(tài)圖像（見圖4）。類似地，合作團隊在活體COS-7細胞的軸線上觀察到細胞核、線粒體和微管的三維圖像，并進行了三色成像，如圖5（a）所示。經(jīng)過稀疏解卷積優(yōu)化后，微管成像點擴散函數(shù)（PSF）的軸向半高寬（FWHM）從465納米降低到228納米，如圖5（b）所示。此外可以觀察到，在一些軸向面被微管絲和線粒體侵入的區(qū)域，連續(xù)的、凸?fàn)畹暮私Y(jié)構(gòu)向內(nèi)彎曲變成凹狀，如圖5（c）所示。這種相互作用的變化表明微管蛋白網(wǎng)絡(luò)可能會影響細胞核的組裝和形態(tài)。

合作團隊提出的稀疏解卷積算法是一種實現(xiàn)計算超分辨率熒光顯微成像的全新方法，而與基于特定物理原理或特殊熒光探針的超分辨率方法都不相同。通過實際的生物樣本實驗量化，稀疏解卷積算法被證明能夠?qū)崿F(xiàn)接近2倍穩(wěn)定的空間分辨率提升，而不需要付出額外的硬件代價。稀疏解卷積算法與超快超分辨率結(jié)構(gòu)光顯微鏡系統(tǒng)結(jié)合形成的稀疏SIM，更是目前活細胞光學(xué)成像中有著最高分辨率、最快速度、最長成像時間的超分辨率光學(xué)顯微成像手段，可用于觀察活細胞中囊泡分泌孔道和新中間態(tài)，辨識線粒體內(nèi)嵴及其動態(tài)過程，記錄不同蛋白標(biāo)記的核孔復(fù)合體與小窩蛋白環(huán)狀結(jié)構(gòu)的動態(tài)過程。此外，稀疏解卷積算法具備較好的通用性，可與現(xiàn)有多數(shù)商業(yè)熒光顯微鏡進行結(jié)合應(yīng)用，有效提升其空間分辨率，從而使其能夠觀察到更清楚的精細結(jié)構(gòu)及動態(tài)。

未來，合作團隊將進一步開發(fā)相關(guān)軟件、數(shù)據(jù)庫和工程化硬件平臺，同時開展相關(guān)成果的產(chǎn)業(yè)化推廣工作，以期早日為神經(jīng)生物學(xué)、發(fā)育生物學(xué)、細胞生物學(xué)、遺傳生物學(xué)、移植生物學(xué)等研究及臨床應(yīng)用提供更為高效的活體影像工具。