基于深度学习辅助的光谱单分子定位显微镜,基于光谱对光谱的无声化
Dandan Xu1, Yuanjie Gu1, Jun Lu1
1Academy for Engineering and Technology, Yiwu Research Institute, Fudan University, Shanghai 200433, China. dongbq@fudan.edu.cn.
Nanoscale
|February 26, 2024
概括
这项研究引入了一个深度学习框架,Spec2Spec,以增强光谱成像在光谱单分子定位显微镜 (sSMLM). 它显著改善了信号噪声比和光谱精度,以获得更清晰的亚细胞成像.
科学领域:
- 生物物理学的生物物理.
- 显微镜的使用方法
- 计算生物学 计算生物学
背景情况:
- 光谱单分子定位显微镜 (sSMLM) 通过捕获空间和光谱数据,可以实现多重分细胞成像.
- 在sSMLM中提取准确的光谱信息是很困难的,因为有限的光子和电子噪声的信号噪声比率 (SNR) 很低.
研究的目的:
- 开发一种新的深度学习框架,用于在低SNRsSMLM数据中准确的光谱恢复.
- 显著提高从单分子定位事件中获得的光谱信息的质量.
主要方法:
- 推出了一个自主监督的深度学习网络,名为光谱对光谱 (Spec2Spec).
- 开发了Spec2Spec的培训策略,利用来自独立噪声的相邻像素的相关光谱信息.
- 验证了模拟和实验sSMLM数据的框架.
主要成果:
- Spec2Spec显著抑制噪音,并恢复低SNR发射频谱.
- 在单分子光谱中,SNR大约提高了6倍,结构相似度指数 (SSIM) 提高了3倍.
- 促进了94.6%的光谱分类准确度和近100%的数据利用在双色sSMLM成像.
结论:
- Spec2Spec框架有效地提高了sSMLM中的光谱数据质量.
- 这一进步提高了sSMLM在先进的亚细胞成像应用中的可靠性和实用性.
- 允许更准确的光谱分类和在多重成像中更高的数据利用率.
