虽然光片显微镜和光场显微镜听起来相似,但这些技术有不同的优势和挑战。光场显微镜捕捉到巨大的3D图像,使研究人员能够跟踪和测量非常精细的运动,比如鱼幼虫在非常快的速度下跳动的心脏。但这种技术会产生大量的数据,可能需要几天的时间来处理,而且最终的图像通常缺乏分辨率。
光片显微镜一次聚焦在一个给定样本的单一2D平面上,因此研究人员可以以更高的分辨率对样本进行成像。与光场显微镜相比,光片显微镜产生的图像处理速度更快,但数据不够全面,因为它们一次只能从单个2D平面获取信息。
为了利用每种技术的优势,EMBL的研究人员开发了一种方法,使用光场显微镜成像大型3D样本,并使用光片显微镜训练人工智能算法,然后创建一个精确的样本3D图像。
“如果你构建生成图像的算法,你需要检查这些算法是否构建了正确的图像,”安娜·克雷舒克(Anna Kreshuk)解释说,她是EMBL小组的组长,他们的团队带来了机器学习项目的专业知识。安娜说,在这项新研究中,研究人员使用了光片显微镜来确保人工智能算法正常工作。“这使我们的研究从过去的研究中脱颖而出。”
Robert Prevedel是EMBL小组的领导,他的小组贡献了新型的混合显微镜平台,他指出,制造更好的显微镜的真正瓶颈通常不是光学技术,而是计算。这就是为什么在2018年,他和安娜决定联手。“对于那些想要研究大脑如何计算的人来说,我们的方法非常关键。我们的方法可以实时成像鱼幼虫的整个大脑,”罗伯特说。
他和安娜说,这种方法可能会被改进,以适用于不同类型的显微镜,最终允许生物学家观察几十个不同的标本,看到更多、更快。例如,它可以帮助发现与心脏发育有关的基因,或者可以同时测量数千个神经元的活动。
接下来,研究人员计划探索这种方法是否可以应用于包括哺乳动物在内的大型物种。
研究结果发表在自然方法.
来源:欧洲分子生物学实验室