2025/12/20Forskargruppen som leds av professor Yiming Li vid Southern University of Science and Technology (SUSTech) har tagit itu med viktiga utmaningar när det gäller att tillämpa enmolekyllokaliseringsmikroskopi (SMLM) för högkapacitets superupplösningsavbildning genom att introducera LiteLoc, ett skalbart och lättviktigt djupinlärningsbaserat analysramverk. Arbetet, med titeln "Scalable and lightweight deep learning for efficient high accuracy single-molecule localization microscopy", publicerades i den internationella tidskriften Nature Communications.
LiteLoc-innovationer
SMLM rekonstruerar superupplösta bilder genom att exakt lokalisera enskilda fluorescerande molekyler över tiotusentals stokastiska blinkande bildrutor. De resulterande datavolymerna ställer höga krav på beräkningseffektivitet, dataflöde och systemskalbarhet.
LiteLoc-ramverket är utformat kring kärnmålen realtidsprestanda, hög lokaliseringsnoggrannhet och hög dataflöde, och övervinner flera kritiska flaskhalsar i SMLM-rekonstruktion med hög dataflödeshastighet:
Genom att integrera neurala representationer med fysikbaserade priorer visar PAMR systematiska förbättringar jämfört med traditionella metoder:
Accelererad volumetrisk rekonstruktionRekonstruktionstiden för en enskild 3D-volym (585 × 585 × 120 voxlar) minskas från 250 s till 28 s, vilket motsvarar en ungefärlig 10× ökning av rekonstruktionshastigheten.
Upplösningsförbättring bortom diffraktionsgränsent: Med hjälp av ett halvsfäriskt belysningssystem med 66 lysdioder i kombination med ett 40×/0,95 NA-objektiv uppnår PAMR halvpitch-upplösningar på 137 nm i sidled och 550 nm axiellt, vilket motsvarar en ungefärlig dubbel förbättring jämfört med objektivets diffraktionsgräns.
Robust prestanda under förhållanden med sparsamt siktlägeRekonstruktioner med hög kvalitet bibehålls med upp till 75 % synvinkelreduktion. När antalet belysningsvinklar minskas från 120 till 30 förblir rekonstruktionskvaliteten stabil, med SSIM-värden som avsevärt överstiger de som erhålls med konventionella FPT-metoder.
Dhyana 400BSI V3 sCMOS-kamera stöd för LiteLoc Innovations
Högkvalitativ signalinsamling och bildstabilitet är avgörande för experimentell validering av avancerade beräkningsmikroskopialgoritmer. TucsenFL 9BWDen vetenskapliga kameran tillhandahåller viktiga hårdvarufunktioner som stöder PAMR-ramverket.
LiteLoc SMLM-systemet använder Tucsen Dhyana 400BSI V3 sCMOS-kameran som sin centrala bilddetektor. Kamerans kombination av hög signal-brus-prestanda och höghastighetsavläsning ger avgörande hårdvarusupport för att uppnå teoretiska lokaliseringsgränser och möjliggör sluten validering mellan algoritmutveckling och experimentell avbildning.
1. Exceptionell signal-brusprestanda
Med en kvanteffektivitet (QE) på upp till 95 % maximerar Dhyana 400BSI V3 den effektiva insamlingen av fluorescenssignaler från enskilda molekyler. Dess typiska avläsningsbrus på 1,1 e⁻ (RMS) säkerställer robusta signal-brusförhållanden under lågfotonförhållanden, vilket utgör en solid grund för LiteLoc för att uppnå lokaliseringsnoggrannhet nära teoretiska gränser.
2. Höghastighetsdatautmatning
Dhyana 400BSI V3 levererar bildbehandling i full upplösning med upp till 100 fps vid 2048 (H) × 2048 (V), vilket motsvarar en genereringshastighet för rådata på cirka 550 MB/s (11-bitars). Denna dataflödeshastighet matchar nära LiteLocs analyshastighet på 567 MB/s, vilket direkt stöder systemets mål för hög dataflödeshantering.
Referenser
Fei, Y., Fu, S., Shi, W. et al. Skalbar och lätt djupinlärning för effektiv högnoggrann lokaliseringsmikroskopi av enskilda molekyler. Nat Commun 16, 7217 (2025). https://doi.org/10.1038/s41467-025-62662-5
UpphovsrättsmeddelandeDen här artikeln är avsedd att tillhandahålla referenser relaterade till vetenskapliga kameror. Delar av innehållet är utdrag från relevanta publicerade forskningsartiklar. All upphovsrätt tillhör de ursprungliga författarna. Vänligen ange källan när du citerar eller återanvänder detta material.
