16.03.2018•

第一个病毒的x射线全息图像

研究人员开发了一种新的全息方法,称为飞行全息术。通过这种方法,他们能够首次展示纳米病毒的x射线全息图,这种病毒没有附着在任何表面。

照片
在这项新的研究中,作者将mimivirus的散射x射线光与参考球体(主图像)的散射x射线光叠加在一起。两个物体叠加图像中的曲率提供了深度信息和有关病毒形状的详细信息。右下角的图像是基于实验过程中收集到的x射线衍射图样重建的病毒全息图。
来源:Anatoli Ulmer和Tais Gorkhover /柏林技术大学和SLAC国家加速器实验室

全息摄影,就像摄影一样,是一种记录我们周围世界的方式。这两种方法都是利用光来录音,但不是用二维照片,而是用全息图来再现三维形状。这种形状是由光线反射到物体上并干扰到作为参考的另一种光波后形成的图案推断出来的。

当用x光创建时,全息术可以是一种非常有用的方法来捕捉纳米尺度物体的高分辨率图像——这种物体非常小,其大小以纳米或十亿分之一米来测量。

到目前为止,x射线全息术仅限于形成晶体的物体,或依赖于样品在表面上的仔细定位。然而,许多纳米尺寸的颗粒是非晶体的,寿命短且非常脆弱。当它们被放置在一个表面上时,它们也可能在实验过程中遭受变化或损坏。气溶胶、物质的奇异状态和最小的生命形式通常都属于这些类别,因此很难用传统的成像方法来研究。

在最近的一项研究中,2018年3月的自然光子学的封面,研究人员开展了一种新的全息方法,称为飞行中的全息术。通过这种方法,他们能够首次展示纳米病毒的x射线全息图,这种病毒没有附着在任何表面。

在能量的SLAC国家加速器实验室的LinaC相干光源(LCLS)中,在LinaC相干光源(LCLS)中拍摄了所需的图案。已经在LCLS上研究了纳米病毒而没有全息参考,但X射线图像的解释需要许多步骤,依赖于人类投入,并且是一个计算具有挑战性的任务。

照片
该图像显示了形成飞行中全息图的模拟X射线衍射图案。深度信息被从曲线捕获。
来源:Anatoli Ulmer和Tais Gorkhover /柏林技术大学和SLAC国家加速器实验室

n新的研究,作者从来自参考纳米尺寸球体的散射X射线光的病毒叠加了散射的X射线光。来自两个物体的叠加图像中的曲率提供了深度信息和关于450纳米宽的病毒的形状的深度信息和细节。该技术大大简化了数据的解释。“Instead of thousands of steps and algorithms that potentially don’t match up, you have a two-step procedure where you clearly get the structure out of your image,” says lead study author Tais Gorkhover, a Panofsky Fellow at SLAC and researcher at the Stanford PULSE Institute.

现在,科学家可以通过全息方法在一秒甚至更快的分数中重建样品。“Before our study, the interpretation of the X-ray images was very complicated and the structure of nanosamples was reconstructed long after the actual experiment using non-trivial algorithms,” says Christoph Bostedt, a scientist at the DOE’s Argonne National Laboratory and a co-author of the study. “With ‘in-flight’ holography, the procedure is very simple and in principle can be performed while taking data. This is a real breakthrough.”

“与非全息x射线成像相比,飞行全息成像方法的另一个优势是,它不容易受到噪声和可能出现在探测器上的伪影的影响,”合著者、来自德国柏林技术大学的博士生Anatoli Ulmer说。

从长远来看,研究人员预测,飞行中的全息技术将为研究空气污染、燃烧和催化过程提供新的方法,所有这些都涉及到纳米颗粒。

订阅我们的时事通讯

相关文章

使用机器学习检测X射线中的Covid-19

使用机器学习检测X射线中的Covid-19

克兰菲尔德大学的学生设计了可以在x射线中识别COVID-19的计算机模型。

AI与Covid-19区分肺炎

AI与Covid-19区分肺炎

研究人员开发了一种可预测的人工智能模型,可以通过胸部x光来区分健康患者、肺炎患者和COVID-19患者。

纳米材料“aerographene”创造了强大的泵

纳米材料“aerographene”创造了强大的泵

研究人员开发了一种用于产生可控电气爆炸的方法。

人工智能在医学图像中发现异常

人工智能在医学图像中发现异常

神经网络比通用解决方案更能成功地检测医学图像中的异常。

材料保护生物和化学威胁

材料保护生物和化学威胁

一种多功能的复合材料织物可以消除生物威胁和化学威胁。

用于SARS-CoV-2的纳米技术传感器

用于SARS-CoV-2的纳米技术传感器

一种新的检测唾液中SARS-CoV-2的方法与qPCR检测具有相同的敏感性。

机器学习治疗全球Covid-19患者

机器学习治疗全球Covid-19患者

来自世界各地的20多名医院与Nvidia一起使用AI以预测全球范围内的Covid患者的氧气需求。

可穿戴x射线探测器不需要重金属

可穿戴x射线探测器不需要重金属

研究人员开发了一种可穿戴x射线探测器,该探测器由无毒的金属有机框架制成,层在柔性塑料和金电极之间,用于高灵敏度的传感和成像。

基于深度学习的全息护理点传感器

基于深度学习的全息护理点传感器

研究人员已经开发了一种基于粒子粘接的快速、低成本传感器,该传感器由全息成像和深度学习提供动力

流行文章

订阅简报
Baidu