近日，浙江大學(xué)劉智毅研究員、劉文杰博士合作課題組開發(fā)定量智能計算成像（ADQ）框架，該框架提供了一種生物醫(yī)學(xué)顯微成像的新范式，通過智能計算輔助傳統(tǒng)光學(xué)顯微鏡幫助科學(xué)家找回數(shù)據(jù)中錯失的信息。

自埃里克·白茲格等相關(guān)學(xué)者于2014年獲得諾貝爾化學(xué)獎以來，超分辨顯微成像技術(shù)近十年得到了蓬勃發(fā)展，大量新技術(shù)不斷涌現(xiàn)，突破現(xiàn)有技術(shù)的成像分辨率、速度、深度等限制。但是每種技術(shù)均有其優(yōu)缺點(diǎn)和適用范圍，選擇哪一種技術(shù)應(yīng)對特定的問題是科學(xué)家們的困擾之一。

此外，超分辨顯微成像技術(shù)的發(fā)展最終服務(wù)于相關(guān)生物應(yīng)用，但是如何將技術(shù)發(fā)展和生物應(yīng)用更緊密地結(jié)合，幫助生物學(xué)家更好地觀察、發(fā)現(xiàn)和解釋新現(xiàn)象，仍然是長期以來的難題。

面對上述問題，ADQ框架通過智能計算輔助傳統(tǒng)光學(xué)顯微鏡充分挖掘潛藏的生物學(xué)信息，更好地助力生物學(xué)應(yīng)用。

利用ADQ技術(shù)，研究人員研究了細(xì)胞骨架結(jié)構(gòu)重塑與細(xì)胞遷移功能之間的關(guān)系，揭示了新現(xiàn)象。課題組發(fā)現(xiàn)了在單細(xì)胞遷移和多細(xì)胞互作誘導(dǎo)遷移這兩種遷移方式中，細(xì)胞微管結(jié)構(gòu)重塑的相似性和差異性。

具體而言，在單細(xì)胞遷移中，微管在細(xì)胞遷移前端和尾端的空間重塑尤為劇烈；而在多細(xì)胞互作遷移中，微管在多細(xì)胞接觸點(diǎn)附近運(yùn)動活躍。

有趣的是，在這兩種遷移方式中，微管呈現(xiàn)出一致的取向變化（DOC），并且與細(xì)胞遷移方向具有相關(guān)性。

這些微管結(jié)構(gòu)重塑特征的發(fā)現(xiàn)，有助于研究者們更好地理解微管在細(xì)胞遷移過程中所發(fā)揮的力學(xué)功能，進(jìn)而開展特異性細(xì)胞運(yùn)動調(diào)控。

該研究應(yīng)用前景廣闊，為生物醫(yī)學(xué)顯微成像領(lǐng)域提供了一種新的研究范式。從技術(shù)創(chuàng)新角度而言，ADQ框架也可用于指導(dǎo)優(yōu)化結(jié)構(gòu)光照明顯微鏡（SIM）外的其他超分辨成像技術(shù)。

從生物應(yīng)用角度來看，ADQ可用于研究納米尺度下的多種亞細(xì)胞結(jié)構(gòu)，如微管、微絲、內(nèi)質(zhì)網(wǎng)和線粒體等，有助于科學(xué)家更好地理解細(xì)胞遷移、代謝、凋亡等功能，進(jìn)而啟發(fā)個性化疾病調(diào)控、干預(yù)和治療。

“該工作呈現(xiàn)得非常準(zhǔn)確和詳盡。該研究和方法同時為亞細(xì)胞動態(tài)和行為相關(guān)的基礎(chǔ)和應(yīng)用研究打開了新的大門?！?/p>

“該工作展示了超分辨顯微成像技術(shù)和定量數(shù)據(jù)分析之間的協(xié)同力量和魅力，以及如何啟發(fā)重要的細(xì)胞生物新發(fā)現(xiàn)。該工作對于技術(shù)創(chuàng)新和生物應(yīng)用均具有重要貢獻(xiàn)。

生物醫(yī)學(xué)顯微成像新范式

該團(tuán)隊所提出ADQ框架建立在一套多模態(tài)SIM儀器之上，該儀器集成了多種二維和三維SIM成像技術(shù)。

基于這套多模態(tài)儀器，他們提出了細(xì)胞結(jié)構(gòu)驅(qū)動的ADQ框架。

ADQ框架首先使用寬場成像技術(shù)對細(xì)胞骨架進(jìn)行高速拍攝，然后在角譜空間進(jìn)行實(shí)時定量計算，獲取角度分布特征，用于選擇最優(yōu)的成像模態(tài)。當(dāng)細(xì)胞骨架呈扁平／層狀分布時，可選擇二維成像技術(shù)，不僅具有低光毒性，也能獲取樣品的較完整信息。

反之，當(dāng)骨架錯綜復(fù)雜地分布在三維空間，此時二維成像技術(shù)難以獲取樣品的高保真信息，需要使用三維成像技術(shù)。

ADQ框架的另一項優(yōu)勢在于對獲取的圖像實(shí)施高精度定量分析，由此揭示細(xì)胞骨架活動的基本規(guī)律。

課題組提出了二維／三維有序度指數(shù)（OI）算法對超分辨圖像進(jìn)行全面的時空角譜域定量表征，分析細(xì)胞骨架的結(jié)構(gòu)異質(zhì)分布程度，及其與細(xì)胞遷移等功能之間的聯(lián)系。

OI算法對于噪聲、樣品密度、彎曲程度、標(biāo)記方式等都具有較高的魯棒性，其在細(xì)胞不同局域上的時間漲落特征反映了細(xì)胞在遷移過程中的結(jié)構(gòu)重塑與應(yīng)激。

總體而言，ADQ通過角度分布預(yù)判定，同時選取最優(yōu)的超分辨成像模態(tài)并實(shí)施相應(yīng)的定量表征，從圖像獲取和分析多方面平衡了成像的保真度與光毒性。

與現(xiàn)有的超分辨率成像技術(shù)相比，ADQ的改進(jìn)主要體現(xiàn)在以下兩個方面：

首先，相較于現(xiàn)有超分辨顯微成像技術(shù)多基于單一技術(shù)分析或多種技術(shù)的手動簡單關(guān)聯(lián)，ADQ提出通過定量計算角度空間分布自動選擇最佳的成像技術(shù)。

其次，相比于現(xiàn)有超分辨顯微成像技術(shù)多基于定性觀察，ADQ提出有序度指數(shù)OI算法進(jìn)行多維度定量分析圖像，揭示重要的生命活動規(guī)律。

這些改進(jìn)也決定了ADQ的兩大顯著優(yōu)勢：

第一，ADQ能夠“按需智能成像”，自動平衡數(shù)據(jù)獲取的保真度和光毒性，以優(yōu)化條件獲取樣品的全面信息，突破了傳統(tǒng)單一技術(shù)的性能局限。

第二，ADQ可以對樣品進(jìn)行空間域、時間域和角譜域定量表征，多維度挖掘數(shù)據(jù)中的潛藏信息，推動生物研究的“定量化”。

這些潛在的大量生物應(yīng)用信息在傳統(tǒng)多基于定性觀察的成像技術(shù)中很難被獲取到，且定性分析容易引入人為偏差。而ADQ能夠幫助生物學(xué)家更好地研究亞細(xì)胞生命過程，揭示新機(jī)制。

多學(xué)科領(lǐng)域交叉融合的成果

該研究體現(xiàn)了多學(xué)科領(lǐng)域之間的交叉合作，可大致分為3個重要階段。

第一階段是初步嘗試合作

劉智毅研究員和丁志華教授課題組長期從事生物醫(yī)學(xué)圖像的定量表征分析研究，深入探究纖維狀組織空間結(jié)構(gòu)的精準(zhǔn)解析，但多是在衍射極限尺度以上。

劉旭教授、匡翠方教授和劉文杰博士團(tuán)隊致力于從事顯微成像相關(guān)研究，并開發(fā)了多種新型全內(nèi)反射熒光顯微鏡（TIRFM）和SIM成像技術(shù)，提升了其分辨率和成像速度，但多是在定性成像層面。

因此，兩個團(tuán)隊的交流產(chǎn)生了激烈的思想碰撞，直接啟發(fā)了在更基礎(chǔ)的納米尺度上對亞細(xì)胞結(jié)構(gòu)進(jìn)行定量分析的可能性。在利用已有數(shù)據(jù)進(jìn)行初步嘗試后，他們進(jìn)一步明確了合作的可行性。

第二階段是ADQ框架提出

定量分析一般需要大量的統(tǒng)計數(shù)據(jù)才能得到較為置信的結(jié)果，而單一的超分辨成像技術(shù)，受到時空分辨率矛盾限制，想要高效獲取大量有用數(shù)據(jù)非常費(fèi)時費(fèi)力。

為了解決這個問題，他們基于已經(jīng)開發(fā)的空間角度分析方法和多模態(tài)SIM成像技術(shù)，進(jìn)一步提出了ADQ框架，構(gòu)建了一種超分辨成像模態(tài)自適應(yīng)選擇的新方案。

同時，為了對細(xì)胞骨架分布的異質(zhì)程度進(jìn)行更有效的定量研究，他們開發(fā)了有序度指數(shù)算法OI。

第三階段是生物應(yīng)用發(fā)現(xiàn)

在ADQ框架指導(dǎo)下，該課題組與姚雨石研究員等生物學(xué)家合作，對大量細(xì)胞遷移過程中的微管重塑進(jìn)行了統(tǒng)計分析，發(fā)現(xiàn)了不同細(xì)胞遷移方式下微管結(jié)構(gòu)重塑的相似性和差異性，揭示了骨架重塑在細(xì)胞遷移中的重要特征。

在研究推進(jìn)的過程中，研究人員意外地發(fā)現(xiàn)，微管在細(xì)胞遷移過程中的角度變化與遷移方向有著緊密關(guān)聯(lián)。換言之，角度變化具有預(yù)測細(xì)胞遷移軌跡的能力。這一發(fā)現(xiàn)極大地豐富了ADQ方法的能力與內(nèi)涵。

據(jù)悉，該團(tuán)隊目前已經(jīng)在嘗試使用人工智能對圖像進(jìn)行定量結(jié)構(gòu)分析，人工智能在低信噪比、大批量數(shù)據(jù)處理等方面具有較大的優(yōu)勢，有望進(jìn)一步擴(kuò)展ADQ的應(yīng)用前景。

此外，他們在人工智能增強(qiáng)的超分辨顯微圖像重構(gòu)方面已經(jīng)開展了系列研究，開發(fā)的算法有效提升了傳統(tǒng)光學(xué)顯微鏡的分辨率和重構(gòu)保真度等，其中部分人工智能算法已經(jīng)實(shí)現(xiàn)了商業(yè)化應(yīng)用。

據(jù)悉，在后續(xù)的研究中，該課題組一方面會進(jìn)一步發(fā)展ADQ框架，通過優(yōu)化計算過程、圖形處理器（GPU）加速等提高運(yùn)算速度，人工智能分析提高分析精度和自動化，從而能夠更好地對大批量生物醫(yī)學(xué)數(shù)據(jù)進(jìn)行統(tǒng)計分析。

另一方面，將與生物學(xué)家合作，對癌癥等病變的細(xì)胞骨架重塑進(jìn)行研究，以期能更好地理解疾病的形成過程。