Optagelse af en 3D-video af en virus med øjeblikkeligt lys og AI

Det er millioner af billioner af gange lysere end sollys og en kæmpestor 1, 000 billioner af et sekund, passende kaldet 'øjeblikkeligt lys' - X-ray Free Electron Laser (XFEL) lyset, der åbner et nyt videnskabeligt paradigme. Ved at kombinere det med AI, Det er lykkedes et internationalt forskerhold at filme og genoprette 3D-strukturen af ​​nanopartikler, der deler strukturelle ligheder med vira. Med frygten for en ny pandemi, der vokser rundt i verden på grund af COVID-19, denne opdagelse tiltrækker opmærksomhed blandt akademiske kredse for at afbilde virussens struktur med både høj nøjagtighed og hastighed.

Et internationalt team af forskere fra POSTECH, National University of Singapore (NUS), KAIST, GIST, og IBS har med succes analyseret de strukturelle heterogeniteter i 3-D strukturer af nanopartikler ved at bestråle tusindvis af nanopartikler i timen ved hjælp af XFEL ved Pohang Accelerator Laboratory (PAL) i Korea og genskabe 3-D multi-modeller gennem maskinlæring. Forskerholdet ledet af professor Changyong Song og ph.d. kandidat Do Hyung Cho fra Institut for Fysik ved POSTECH har drevet det internationale forskningssamarbejde til at realisere det.

Nanopartikler har en ejendommelig funktion, som måske ikke er tilgængelig fra native bulkmaterialer, og man kan kontrollere deres fysiske og kemiske egenskaber ved at designe 3-D strukturer og sammensætninger af konstituerende elementer.

Fællesskabet mellem nanopartikler og vira er, at de eksisterer i form af uafhængige partikler, snarere end i krystal-regelmæssig, periodiske arrangementer, og, som sådan, deres strukturer er ikke ensartede på nanometerniveau. For præcist at forstå deres strukturer, det er nødvendigt statistisk at analysere strukturen af ​​individuelle partikler ved hjælp af hele ensemblefordelingen af ​​strukturer fra tusinder til hundredtusindvis af prøver. Imidlertid, elektronmikroskoper mangler ofte nok penetration til at begrænse størrelsen af ​​prøven, der skal sonderes; konventionelle røntgenstråler kan beskadige prøven af ​​selve røntgenstråling, gør det svært at opnå tilstrækkelig opløsning.

Forskerholdet overvandt de praktiske begrænsninger ved den konventionelle metode ved at bruge røntgenfri elektronlaser og maskinlæringsmetoden til at observere den statistiske fordeling af 3-D-strukturen af ​​tusindvis af nanopartikler på nanometerniveau. Som resultat, 3-D strukturer af nanopartikler med en størrelse på 300 nm blev opnået med en opløsning bedre end 20 nm.

Denne præstation var særlig vigtig for at genoprette 3D-strukturen af ​​tusindvis af nanopartikler ved hjælp af maskinlæring. Da konventionelle enkeltpartikel-billeddannelsesteknikker ofte antager en identisk 3D-struktur af prøverne, det var vanskeligt at genoprette strukturen i faktiske eksperimentelle data, hvor prøvestrukturen ikke er homogen. Imidlertid, med introduktionen af ​​multimodellen denne gang, det lykkedes forskerne at genoprette de repræsentative 3-D strukturer. Denne forskning har gjort det muligt at klassificere nanopartikler i fire hovedformer, og bekræftede, at omkring 40 % af dem havde lignende strukturer.

Ud over, gennem kvantitativ analyse af den restaurerede 3D-struktur, det internationale forskningssamarbejde afdækkede også den interne elastiske belastningsfordeling ledsaget af nanopartiklernes karakteristiske polyhedronstruktur og den inhomogene tæthedsfordeling.

"Disse resultater muliggør observation af 3-D struktur af ikke-krystallinske virale prøver med inhomogent fordelte interne molekyler, " forklarede professor Changyong Song fra POSTECH. "At tilføje 3D-billedgendannelsesalgoritmen til dette gennem maskinlæring viser løfte om at være anvendelig til undersøgelser af makromolekylestrukturer eller vira i levende organismer."