综述：超分辨率径向波动（SRRF）：一种适用于活细胞纳米显微镜的通用便捷工具

（编辑推荐）这篇综述系统介绍了超分辨率径向波动（SRRF）技术——一种通过分析宽场显微镜荧光强度波动（“径向性”计算）实现50-100 nm分辨率的新型计算成像方法。相比STED和SMLM，SRRF兼具低光毒性、常规染料兼容性及开源平台（NanoJ-SRRF）优势，其迭代版本（eSRRF/VeSRRF）进一步解决了高密度结构伪影问题，为活细胞动态过程（如线粒体分裂）研究提供了革新工具。

　　

超分辨率径向波动（SRRF）技术原理

SRRF通过分析时间序列图像中荧光强度的局部梯度收敛（“径向性”），从标准宽场显微镜数据中重建亚衍射极限结构（传统分辨率200-300 nm→50-100 nm）。其核心算法通过NanoJ-SRRF开源平台实现，可优化环半径（ring radius）和径向放大倍数等参数，在提升分辨率的同时抑制噪声。与传统超分辨率技术如受激发射损耗（STED）和单分子定位显微镜（SMLM）相比，SRRF无需特殊荧光标记或高强度激光照明，显著降低了光损伤风险。

技术优势与创新

SRRF的突出特点在于：

1. 低光毒性：适用于长时间活细胞成像，如线粒体分裂和微管动态过程观测；
2. 硬件兼容性：可直接处理常规宽场显微镜数据，降低设备成本；
3. 算法灵活性：通过eSRRF和方差加权增强版（VeSRRF）改进，有效减少高密度样本（如微管束）的成像伪影。

应用场景与挑战

该技术已应用于：

• 亚细胞结构研究：解析<50 nm的线粒体内嵴、囊泡运输等动态过程；
• 临床病理学：提升病理切片中病毒颗粒或蛋白质聚集体的可视化能力；
• 多模态整合：与TIRF、光片显微镜联用，实现三维实时成像。
  当前局限在于轴向分辨率不足，且密集标记区域可能出现“星芒状”伪影，但VeSRRF通过方差加权策略已部分缓解该问题。

未来展望

人工智能（如深度学习）与SRRF的融合将进一步提升图像重建速度和质量。结合 CRISPR 标记等分子工具，SRRF有望在神经突触传递、肿瘤微环境等研究中发挥更大作用，推动生物医学从静态超分辨向动态纳米尺度观测跨越。