基于深度学习的实时单次重新对焦微孔阵列技术，用于数字熔化曲线分析

《Analytical Chemistry》：Deep Learning-Enabled Real-Time Single-Shot Refocusing of Microwell Array for Digital Melting Curve Analysis

数字熔解曲线分析技术通过单次自适应点扩散函数聚焦模型实现无机电运动自动聚焦，在±400μm深度范围内将荧光偏差降低2.76倍，使46℃温度跨度内检测准确率提升至92.3%，并达到0.9℃分辨率，推动超多基因精准分析发展。

　　

数字熔解曲线分析（dMCA）是一种在有限的荧光通道内实现多重核酸检测的突破性技术，它利用数字PCR后的热熔解成像技术。然而，传统的dMCA在较宽的温度范围内存在精度下降的问题，并且由于聚焦偏差导致荧光信号发生偏差，从而限制了分辨率。为了解决这些问题，我们提出了一种基于单次自适应点扩散函数（PSF）注意力重聚焦模型（SAPAR-dMCA）的新型深度学习平台，该平台无需采用机械运动即可实现数字PCR微阵列的自动对焦。通过PSF的自校准和调制，我们的平台实现了±400 μm的景深，与现有技术相比，将微孔内的荧光强度偏差降低了2.76倍。实验验证表明，在46.0°C的熔解温度范围内，多重核酸的识别精度显著提高（从38.0%提升到92.3%），变异系数也从3.16降低到0.78%。在呼吸道病原体检测应用中，SAPAR-dMCA能够基于熔解温度差异实现0.9°C的分辨率。这项工作证明了SAPAR-dMCA作为一种精确且稳健的数字多重核酸分析平台，具有前所未有的温度适应性和高分辨率。我们的方法为超多重基因分析和精准医学的发展奠定了基础。