AIM-algoritmen forbedrer mikroskopbilleder med superopløsning i realtid

Når man forsøger at måle molekylære strukturer med nanometerpræcision, dukker hver eneste smule støj op i dataene:nogen der går forbi mikroskopet, små vibrationer i bygningen og endda trafikken udenfor. En ny behandlingsteknik fjerner støj fra optiske mikroskopdata i realtid, hvilket gør det muligt for forskere at spore individuelle molekyler over 10 gange mere præcist, end det var muligt før.

Et team af bioingeniørforskere ved University of Illinois Urbana-Champaign har introduceret en algoritme kaldet adaptive intersection maximization, eller AIM, der fjerner højfrekvent støj fra optiske mikroskopdata med superopløsning meget hurtigere end standardmetoder og resulterer i meget højere billedopløsninger .

Algoritmen vil gøre det muligt for forskere at studere kemiske og biologiske systemer langt nemmere og mere præcist, end det var muligt før. Denne forskning blev publiceret i tidsskriftet Science Advances.

"I starten ville vi bare udvikle en hurtig algoritme, fordi vores laboratorium producerer for meget data til, at traditionelle algoritmer kan håndtere, men vi fandt ud af, at AIM også kan opnå sub-nanometer præcision, hvilket er uhørt i vores felt," sagde Hongqiang Ma. , en forskningsprofessor i bioteknik og undersøgelsens hovedforfatter. "Derudover kræver det ikke enorm computerkraft som traditionelle værktøjer. Det kan køre på en bærbar computer. Vi ønsker at gøre dette til et plug-and-play-værktøj for alle mikroskopbrugere."

I de seneste årtier har enkeltmolekyle lokaliseringsmikroskopi-teknikken gjort det muligt for forskere at visualisere strukturer i molekylær skala, der overgår, hvad der blev anset for at være en grundlæggende begrænsning af optiske mikroskoper. Det er dog i praksis begrænset af ukontrollerbar støj eller "drift", der i det væsentlige slører billederne og forhindrer superopløsningsmikroskopi i at nå sin højeste opløsning.

"Lokalisering af enkelt molekyle bruger faktisk et ret simpelt instrument, men den vanskelige del, der virkelig påvirker billedopløsningen, er drift," sagde Yang Liu, en bioingeniørprofessor og projektleder. "Mange forskere fjerner kun lavfrekvent drift. Fjernelse af højfrekvent drift - minutvibrationer forårsaget af miljøstøj - er beregningsintensivt og kræver store mængder tid og ressourcer."

Standardmetoder til at fjerne drift er baseret på de matematiske korrelationer mellem billedrammer. Ifølge Liu genererer mikroskoperne i hendes laboratorium en så stor mængde billeddata, at billedkorrelationsmetoder tager dage, selv med supercomputerressourcer.

AIM sammenligner også tilstødende rammer, men det fortsætter ved at sætte hvert datapunkt i midten af ​​en cirkel (defineret ved lokaliseringspræcision) og lede efter punkter inde i den cirkel i andre rammer. Overlappende punkter inden for "skæringsradius" kondenseres til en enkelt lokalisering. Derefter gentages processen endnu en gang med de fortættede punkter. Disse trin bruger minimale beregningsressourcer, og de er hurtigere end optagelsestiden for et mikroskopkamera. Så drift-korrigerede billeder kan produceres i, hvad der faktisk er realtid.

Forskerne testede AIM ved hjælp af både simulerede data og strukturer kaldet DNA-origami, der har veldefinerede funktioner. Algoritmen lokaliserede strukturerne med succes, og graden af ​​præcision, mindre end 1 nanometer, viste sig at være meget højere end standard billedkorrelationsmetoder, omkring 10 nanometer.

Lius laboratorium vil inkorporere AIM i high-throughput mikroskopiteknikker, der udvikles til forbedret sygdomsdetektion. Liu mener dog også, at algoritmen vil finde anvendelser i hele biologi og bioteknik. "Det er et hurtigt og nemt at bruge værktøj, og vi ønsker at gøre det bredt tilgængeligt for hele samfundet," sagde hun. "Vi gør vores software offentligt tilgængelig. Vi ønsker, at folk får et løft i deres billedopløsning blot fra denne ene smule efterbehandling."

Flere oplysninger: Hongqiang Ma et al., Mod afdriftsfri high-throughput nanoskopi gennem adaptiv skæringsmaksimering, Science Advances (2024). DOI:10.1126/sciadv.adm7765

Journaloplysninger: Videnskabelige fremskridt

Leveret af University of Illinois Grainger College of Engineering