基于深度学习的光谱单分子定位显微镜
Sunil Kumar Gaire1, Ali Daneshkhah2, Ethan Flowerday3
1North Carolina Agricultural and Technical State University, Department of Electrical and Computer Engineering, Greensboro, North Carolina, United States.
Journal of biomedical optics
|May 27, 2024
概括
深度学习重建光谱单分子定位显微镜 (sSMLM) 数据用于纳米级成像. 这种新的DSSMLM方法实现了无标签和光成像的高分辨率,增强了亚细胞结构的可视化.
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) 结合了纳米和光谱,用于10nm以下的分辨率和多色成像.
- 深度学习为重建sSMLM数据提供了一个有希望的途径,以在纳米尺度上可视化亚细胞结构.
研究的目的:
- 开发一种新的深度学习计算方法,用于重建无标签和光标记的sSMLM成像数据.
- 通过先进的计算方法提高sSMLM成像的分辨率和准确性.
主要方法:
- 一个名为DsSMLM的双网络模型深度学习算法被开发用于sSMLM数据重建.
- 该算法的有效性使用各种样本进行了验证:无标签的单链DNA (ssDNA) 纤维,细胞中的光标记的基因素标记物和多色DNA原始素纳米标记物.
主要成果:
- 实现了6.22nm的空间分辨率,用于无标签的ssDNA纤维成像.
- 使用基因标记物揭示了色素分布,并启用了40nm分离的纳米标记物的多色成像.
- 观察到单色检测增加了8.8%,双色本地化检测增加了5.05%.
结论:
- 在各种样本类型中证明了基于深度学习的重建对sSMLM成像的可行性.
- DsSMLM是高质量的超高分辨率成像的宝贵工具,有助于研究DNA光物理和细胞纳米结构.
