Super-resolution (SR) fluorescensmikroskopi, gennem brug af fluorescerende prober og specifikke excitations- og emissionsprocedurer, overskrider diffraktionsgrænsen for opløsning (200~300 nm), der engang var en barriere.
De fleste SR-teknikker er stærkt afhængige af billedberegninger og -behandling for at hente SR-information. Faktorer såsom fluoroforers fotofysik, prøvens kemiske miljø og optiske opsætningssituationer kan dog forårsage støj og forvrængning i råbilleder, hvilket potentielt påvirker de endelige SR-billeders kvalitet. Dette gør det afgørende for udviklere og brugere af SR-mikroskopi at have en pålidelig metode til at kvantificere rekonstruktionskvaliteten.
På grund af den øgede opløselighed af SR-billeddannelse er en grundig evaluering nødvendig, men eksisterende værktøjer kommer ofte til kort, når den lokale opløsning varierer inden for synsfeltet.
I en undersøgelse offentliggjort i Light:Science &Applications , har et team af forskere introduceret en ny metode kendt som den rullende Fourier-ringkorrelation (rFRC). Denne metode letter repræsentationen af opløsningsheterogenitet direkte i Super Resolution-domænet (SR) og muliggør derved kortlægning i en uovertruffen SR-skala og en ubesværet korrelation af opløsningskortet med SR-indholdet.
Derudover udviklede holdet en forbedring af resolution scaled error map (RSM), hvilket resulterede i mere nøjagtig systematisk fejlestimering. Dette blev brugt sammen med rFRC, hvilket skabte en kombineret teknik kaldet PANEL (Pixel-level Analysis of Error Locations), som fokuserer på at udpege områder med lav pålidelighed fra SR-billeder.
Forskerne har med succes anvendt PANEL i en række billedbehandlingsmetoder, herunder Single-Molecule Localization Microscopy (SMLM), Super Resolution Radial Fluctuations (SRRF), Structured Illumination Microscopy (SIM) og dekonvolutionsmetoder, der verificerer effektiviteten og stabiliteten af deres kvantitative kort. .
PANEL kan bruges til at forbedre SR-billeder. For eksempel er det blevet effektivt brugt til at fusionere SMLM-billeder rekonstrueret af forskellige algoritmer, hvilket giver SR-billeder af overlegen kvalitet.
I forventning om, at deres metode bliver et fast værktøj til lokal kvalitetsevaluering, har teamet gjort PANEL tilgængeligt som en open source-ramme. Relaterede biblioteker til MATLAB og Python er tilgængelige, samt et klar-til-brug Fiji/ImageJ plugin på GitHub.
Yderligere detaljer om denne lovende teknik kan findes i et indlæg bag kulisserne skrevet af kerneteammedlemmet Weisong Zhao, tilgængeligt her.
Flere oplysninger: Weisong Zhao et al., Kvantitativ kortlægning af lokal kvalitet af superopløsningsmikroskopi ved rullende Fourier-ringkorrelation, Light:Science &Applications (2023). DOI:10.1038/s41377-023-01321-0
Journaloplysninger: Lys:Videnskab og applikationer
Leveret af Chinese Academy of Sciences