中科院生物物理所与清华大学合作开发新活细胞成像技术

• 全文链接

关键词：

来源：

Nature Biotechnology

全文链接：

//agri.nais.net.cn/topic/downloadFile/30f4c392-7ca9-4cb0-89b9-9ffc86d46370

来源地址：

https://doi.org/10.1038/s41587-025-02553-8

资源所属：

农业生物技术专题

类型：

学术文献

语种：

英语

原文发布日期：

2025-01-29

摘要：

2025年1月29日，中国科学院生物物理研究所李栋与清华大学戴琼海团队在Nature Biotechnology发表题为“A neural network for long-term super-resolution imaging of live cells with reliable confidence quantification”研究论文，研究人员开发了一种全新的神经网络模型——可变形相位空间对齐时间序列超分辨率（DPA-TISR, Deformable Phase-Space Alignment Time-Lapse Image Super-Resolution） 网络。这一创新方法不仅能够提升活细胞长时间成像的空间分辨率，还能确保时间序列数据的一致性，从而克服现有超分辨率单帧成像方法（SISR, Single-Image Super-Resolution）的局限性。此外，该研究团队进一步引入了贝叶斯深度学习（Bayesian Deep Learning）方法，构建了贝叶斯DPA-TISR，使得研究人员可以在生成超分辨率图像的同时，量化成像结果的不确定性，提供更可靠的分析结果。这一突破性的技术不仅能够揭示细胞内部的复杂动态过程，如细胞骨架（cytoskeleton）、溶酶体（lysosome）和线粒体（mitochondria）的相互作用，还为未来的生物医学研究提供了强大的工具。这项研究的核心在于利用深度学习神经网络充分挖掘时间序列数据的潜力，并结合相位空间对齐技术，实现了超长时间、高分辨率的活细胞成像。这不仅大幅提升了超分辨率显微成像的精度和稳定性，也推动了生命科学研究向更精细、更动态的方向发展。随着这一技术的不断完善，它有望在细胞生物学、疾病研究、药物开发等领域发挥重要作用，为我们揭示更多生命活动的奥秘。