未來技術(shù)學院席鵬團隊在活細胞內(nèi)多細胞器的快速成像技術(shù)方面取得重要進展
細胞是生命活動的基本單位，其內(nèi)部包含眾多細胞器，這些細胞器相互協(xié)作，共同維持細胞的正常功能。然而，由于細胞器的尺寸微小、動態(tài)變化迅速且種類繁多，對活細胞內(nèi)細胞器的實時成像一直是科學界面臨的難題。熒光染色是研究細胞器的重要工具，并多次獲得諾貝爾獎。然而，傳統(tǒng)的特異性熒光標記技術(shù)雖然能夠?qū)?—4種細胞器進行成像，但隨著標記數(shù)目的增加，就容易出現(xiàn)光譜串擾和標記不上的問題，嚴重阻礙了多細胞器互作的研究進程。
近日，一項發(fā)表于《自然·通訊》的研究成果，為活細胞內(nèi)多細胞器的成像難題帶來了重大突破。北京大學未來技術(shù)學院席鵬團隊聯(lián)合東方理工大學金大勇團隊利用脂膜探針標記所有的有膜細胞器，再結(jié)合轉(zhuǎn)盤共聚焦顯微鏡和深度學習成功實現(xiàn)了15種細胞結(jié)構(gòu)的同時成像。該方法打破了傳統(tǒng)多色成像的通道數(shù)量上限，為測繪活細胞內(nèi)多種亞細胞器互作圖譜提供有力工具。這一工作以“Fast Segmentation and Multiplexing Imaging of Organelles in Live Cells”為題發(fā)表在Nature Communications上。
論文截圖
為了解決熒光特異性標記的難題，研究人員采用了“反其道而行之”的策略，即放棄多細胞器標記的特異性，轉(zhuǎn)而利用一種名為尼羅紅的脂質(zhì)染料對多種細胞器的膜結(jié)構(gòu)進行非特異性染色。而在進入不同的有膜細胞器后，染料特有的“環(huán)境變色”能力使其能夠揭示所在的細胞器種類。由于尼羅紅的發(fā)射光譜對膜的組分與環(huán)境非常敏感，通過雙波段同時雙色成像，可以通過光譜信息區(qū)分形狀和大小相似的細胞器。結(jié)合轉(zhuǎn)盤共聚焦超分辨顯微鏡的高速、低光毒性成像能力，研究人員能夠在短時間內(nèi)獲取大量高時空分辨率的圖像數(shù)據(jù)。
圖1 通過尼羅紅脂質(zhì)染料標記、超高分辨率成像與深度學習算法的深度融合實現(xiàn)細胞內(nèi)15種細胞器結(jié)構(gòu)的精準解析：線粒體，內(nèi)質(zhì)網(wǎng)，脂質(zhì)液滴，細胞膜，溶酶體，內(nèi)吞體，高爾基體，核膜，過氧化酶體，細胞偽足，核內(nèi)陷體，細胞核，細胞質(zhì)和細胞外基質(zhì)
在此基礎(chǔ)上，研究人員引入了深度學習技術(shù)，訓練了一組深度卷積神經(jīng)網(wǎng)絡(luò)（DCNN），能夠從尼羅紅染色的圖像中學習并預測出15種細胞器的精確位置和形態(tài)（圖1）。與傳統(tǒng)的圖像分割方法相比，基于深度學習的方法不僅速度快、準確度高，而且具有很強的穩(wěn)定性和可重復性。通過對大量圖像數(shù)據(jù)的訓練，DCNN能夠自動識別細胞器的特征，從而實現(xiàn)對細胞器的快速分割和多路復用成像。
這一技術(shù)對傳統(tǒng)的特異性熒光標記、多色成像帶來了革命性的突破，使得僅使用一種或少數(shù)幾種染料即可實現(xiàn)多細胞器的實時成像與互作。同時，由于尼羅紅染料的高效性和深度學習算法的高精度，該技術(shù)能夠在減少光毒性的同時，實現(xiàn)對細胞器動態(tài)變化的長時間觀察。這對研究細胞器在細胞周期中的變化（圖2）、細胞器之間的相互作用以及細胞在不同生理和病理狀態(tài)下的行為具有重要意義。
此外，該技術(shù)還展示了良好的普適性和擴展性。研究人員在多種細胞系和組織樣本中驗證了該技術(shù)的有效性，并成功將其應用于果蠅睪丸組織的成像中，實現(xiàn)了對活體組織內(nèi)細胞器的多路復用成像。這為未來在更復雜的生物樣本中應用該技術(shù)奠定了基礎(chǔ)。
圖2 細胞不同有絲分裂階段的多細胞器全景成像
傳統(tǒng)熒光成像技術(shù)因“一對一”特異性標記策略的局限性，面臨成像通道有限、光譜串擾、標記效率低等問題，難以滿足活細胞多細胞器互作研究的需求。本研究提出了一種全新策略：利用通用脂質(zhì)染料（如尼羅紅）標記多達15種膜細胞器，結(jié)合光譜比率成像提取細胞器的“光學指紋”，并通過深度學習網(wǎng)絡(luò)實現(xiàn)高精度分割與多色成像。這一方法突破了傳統(tǒng)熒光成像的技術(shù)瓶頸，顯著提高了成像速度與通量，為活細胞器互作研究提供了全新工具。
這一成果的出現(xiàn)，標志著活細胞多細胞器成像技術(shù)邁入了一個新的階段。它不僅為細胞生物學研究提供了新的視角和工具，也為理解細胞器在健康和疾病中的作用提供了新的可能性。隨著這一技術(shù)的進一步發(fā)展和應用，科學家將有望更深入地探索細胞的奧秘，為醫(yī)學研究和疾病治療帶來新的希望。
諾獎得主Eric Betzig教授在最近發(fā)表于Nature Methods的評述文章“A Cell Observatory to reveal the subcellular foundations of life”中，對這一工作進行了高度評價：“從寥寥幾個光譜不同的標記物中分類和量化數(shù)十種膜結(jié)構(gòu)的性質(zhì)，從而解決了活細胞熒光顯微鏡的主要局限之一。”（圖3）
圖3 結(jié)合深度學習方法進一步區(qū)分出非特異性標記的不同細胞器結(jié)構(gòu)。諾獎得主Eric Betzig在Nature Methods中對這一工作進行了高度評價
金大勇、席鵬和李美琪博士為該論文共同通訊作者。北京大學已出站博士后、現(xiàn)東方理工大學助理教授張昊，李美琪為該論文共同第一作者。此外，該工作也得到了中國農(nóng)業(yè)大學傅靜雁課題組、北京大學張研課題組、清華大學吳嘉敏課題組以及北京大學生命科學學院儀器平臺的重要支持與幫助。本工作得到了科技部重點研發(fā)專項和國家自然科學基金的資助。
本文鏈接：http://m.albanygandhi.com/news-3-2124.html未來技術(shù)學院席鵬團隊在活細胞內(nèi)多細胞器的快速成像技術(shù)方面取得重要進展
聲明：本網(wǎng)頁內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。
