研讨职员开辟出深度培训超分辩显微成像办法

中国迷信院生物物理研讨所、广州生物岛试验室研讨员李栋课题组，与清华年夜学自动化系、脑与认知迷信研讨院传授戴琼海课题组，在Nature Methods上以长文（Article）模式颁发了题为Evaluation and development of deep neural networks for image super-resolution in optical microscopy的论文。该研讨综合测评了现有超分辩卷积神经网络模子在显微图像超分辩工作上的表示，提出傅立叶域注意力卷积神经网络（DFCAN，Deep Fourier Channel Attention Network）和傅立叶域注意力天生对立网络（DFGAN，Deep Fourier Generative Adversarial Network）模子，在分歧成像前提下完成最优的显微图像超分辩预测和构造光超分辩重修后果，并观测到线粒体内脊、线粒体拟核、内质网、微丝骨架等生物构造的动静互作新行动。

为测评现有多种超分辩神经网络在显微图像超分辩工作中的表示，以及树立基于深度培训的显微图像超分辩算法研讨生态，李栋/戴琼海结合课题组应用自立开辟了多模态构造光超分辩显微镜体系，集成了TIRF-SIM、Nonlinear-SIM（Science，2015）和GI-SIM（Cell，2018）等多种超分辩成像模态，并应用这一体系树立了一个包括四种分歧简单度的生物构造、九档信噪比，以及进步2倍（Linear-SIM）、3倍（Nonlinear-SIM）分辩率的高质量超分辩显微图像数据集，定名为BioSR。以此为根底，该团队测试了多个现有超分辩神经网络模子的性能，如SRCNN、EDSR、Pix2Pix、RCAN等，并提出测评矩阵（assessment matrix）办法，将超分辩神经网络模子与传统Linear-SIM和Nonlinear-SIM的后果进行比拟，获得了分歧模子的良好区域（priority region），即给出了分歧模子完成足够好的超分辩成像后果，可能用于日常生物成像试验的成像前提。

通过火析评测矩阵成果发现，现有超分辩神经网络模子的良好区域次要集中在低简单度生物构造和提升2倍分辩率（即Linear-SIM）的成像前提下，而在生物成像试验通常使用的中、高信噪比前提下的性能则低于传统超分辩成像办法。为进一步拓展卷积神经网络在显微图像超分辩中的实用范畴，提升超分辩成像和重修后果，李栋/戴琼海结合课题组基于高、低分辩率图像频谱笼罩范畴的显着差别，提出了傅立叶域注意力卷积神经网络模子（DFCAN）和傅立叶域注意力天生对立网络模子（DFGAN），完成了比其他超分辩神经网络模子更鲁棒的显微图像超分辩成像后果，根据测评矩阵成果，其良好区域可以拓展至中、高信噪比成像前提，可在理论生物成像试验中替代现有超分辩成像办法，拓展了深度培训超分辩成像办法的实用范畴。

利用DFCAN和DFGAN单张显微图像超分辩率预测和构造光照明超分辩重修办法，研讨职员可能以更低的激光功率、更快的成像速率、更长的成像时程和超出衍射极限的分辩率来观测亚细胞标准生物构造的动静演化进程。例如：（1）细胞中的线粒体内膜和线粒体拟核之间的互相作用。成像时程（ 1200张超分辩图像）到达传统活细胞超分辩成像办法的10倍以上，初次察看到随同着线粒体内脊形变的拟核拆散和聚合征象。（2）细胞中环形线粒体的扭转行动。提醒环形线粒领会在细胞质流的推进下进行双向扭转，标明除动物细胞外，植物细胞一定水平上也用涡旋细胞质流来调理胞内稳态。（3）细胞内吞进程中细胞微丝（F-actin）和网格卵白小窝（CCPs）的互相作用。察看到在内吞进程伊始时F-actin与CCPs打仗较少，而在内吞行将停止时F-actin频仍打仗CCPs，以帮忙其脱离细胞膜。（4）细胞中线粒体和内质网之间的互相作用。察看到线粒体的决裂和交融产生在其与内质网的打仗位点邻近。(100yiyao.com）