联系我们

利用 "Wow效应 "进入三维空间--以三维方式实时观察细胞

[Translate to chinese:] Electroporated nerve cells (green), specific neuronal markers (magenta) and cell nuclei (white), computational cleared. Ferret_Brain_LVCC.jpg

生命是瞬息万变的,对细胞来说更是如此。通常,细胞应在尽可能接近其自然环境的生理条件下进行检测。新技术为基于相机的荧光系统提供了巨大的性能,可在一次拍摄中实现全分辨率操作。本文介绍了如何利用新技术实时有效地去除焦平面以外区域不需要的图像内容。文章认为,这些新方法和数据交换正在推动科学进步。

导言

2019 年 4 月,天文学家首次向全世界公众展示了黑洞图像,这是一项开创性的成就。用于记录的射电望远镜统称为 "事件地平线望远镜"(Event Horizon Telescope),这些望远镜并不是新的,只是为了这个项目进行了改装。过去,多台望远镜的数据已经被连接起来,形成了一个虚拟的巨型望远镜。因此,首次成像黑洞的突破与其说是基于新望远镜的使用,不如说是基于设想以及利用数据和计算能力实现设想。通过巧妙的算法,日益强大的计算机可以利用海量数据开辟新的视野。

目前显微镜技术的发展方向也与此类似。特别是在光学和硬件领域,出现了突破性的创新: 功能强大的算法开辟了处理数据的新方法,并从样品中提供了更多有价值的信息。将不同类型的数据结合起来,可以更经常地得出相关结论,使复杂的实验更加实用。

徕卡显微系统公司(Leica Microsystems)开发的THUNDER成像仪就是其中的一个例子。通过该成像仪,科学家们可以将硬件和软件结合起来,利用三维可视化技术,比以前更深入地观察厚厚的样品。THUNDER成像仪以宽场显微镜为基础,消除了焦平面外的模糊图像信息,而这种模糊图像信息在使用基于相机的荧光显微镜成像时会遮挡厚样品的视线。以前,定量评估的可能性有限,而且只能使用更耗时的方法。在记录过程中,仪器和软件不断交换信息。交换的数据量远远超过人类用户输入的数据量。

尽管样品很厚,图像依然清晰

利用基于相机的宽场仪器的速度有效捕捉三维样本,开辟了新的工作流程。胰腺研究就是一个能体现这一优势的例子。该研究的重点是器官样组织复合体、胰腺植入物和球体中单个细胞的自组织(图 1)。

胚胎小鼠胰腺外植体

三维细胞培养模型与小鼠遗传学和活细胞成像相结合,为跟踪单个细胞命运和观察器官样细胞培养系统的体外发育提供了可能。通过计算清除技术,可以方便地观察样本,实现可视化,并对发育过程中的细胞分化进行快速定量图像分析。

THUNDER成像仪的分辨率足以解决球体研究中的许多问题。与其他三维成像系统相比,我们的速度更快。

Irene Seijo 博士,MPI-CBG 德累斯顿

此外,越来越多清晰的器官或厚厚的组织样本正成为科研人员关注的焦点。例如,对雪貂新皮质中的某些蛋白质进行了研究,这些蛋白质可能在人类认知发展的进化过程中发挥关键作用(图 2)。利用厚组织样本的对比度增强、快速获取的图像数据进行综合筛选,可节省大量时间,并可对数据集进行初步评估和预筛选,以便进行进一步的共聚焦成像程序。

在即时计算清除技术的帮助下,我已经可以定位和评估大脑区域的某些信号下。

Nereo Kalebic 博士,德累斯顿 MPI-CBG

发育中的雪貂大脑

数据交换推动科学进步

对许多科学家来说,通过从第三方收集相同样本的图像来扩大其图像数据集是非常有利的。这样,就可以在更短的时间内,在更广泛的统计基础上进行评估,或将全部精力集中在对现有图像的评估上。开发生物样本图像的标准文件交换格式是 OME(开放式显微镜环境)等联盟的一项重要内容。只有在图像数据库中自动找到统一存储的元信息图像,并对其进行可比评估,才能获取大量数据。

通常需要大量数据。例如,如果要借助人工智能进行分析,相应的系统必须首先通过大量已知结果的测试数据进行训练。我们已经看到了一些汇编大量数据的杰出范例,如人类蛋白质图谱中艾玛-伦德伯格(Emma Lundberg)的科学生命实验室(SciLifeLab)。SciLifeLab 是一个庞大的图像数据库,可以利用深度学习技术对其进行分析,以确定蛋白质亚细胞定位的模式。

合作支持蛋白质研究

徕卡显微系统公司最近赞助了 Kaggle 平台上的一项竞赛,该平台旨在促进数据科学知识的交流。比赛的目的是开发一种算法,将人类蛋白质图集的图像分为 28 类,每一类显示细胞的不同细胞器。共有 2,169 个团队面临挑战,即仅以一张图像为起点,预测蛋白质在细胞中的迁移位置。这项任务特别困难,因为有些蛋白质会同时迁移到多个位置,而有些模式很少出现。为了取得成功,数据科学家们不得不在互联网上搜索独立数据,以补充竞赛数据。这些努力有助于从细胞层面了解蛋白质在健康和疾病中的作用。

结论

尽管可以利用新设备、数据和软件探索新的科学方法,但它们与这一近乎经典的方案一起发挥着越来越重要的作用,并正在引发一场类似于 "静悄悄 "的革命。我们需要创新者来推动现有方法的发展,并以新的方法超越现有的视野。有必要补充强大的工具,使显微镜能够为我们未来的理解开拓新的视野。

相关文章

Background image
Scroll to top