面向光学复杂细胞环境中等离子体纳米粒子定量三维成像的深度学习优化旋转照明技术

《Sensors and Actuators B: Chemical》：Deep learning–optimized rotational illumination for quantitative 3D imaging of plasmonic nanoparticles in optically complex cellular environments

　　**摘要**• 深度学习 (DL) 优化的旋转照明实现了等离激元纳米粒子的定量三维成像。• 多角度激发抑制了光学复杂细胞中的定位伪影。• 该平台实现了等离激元金纳米粒子的纳米级三维定位。• 角度优化比传统方法快 79 倍。• 该方法实现了无光漂白的细胞内纳米粒子定量分析。**引言**光学超分辨显微镜 (SRM) 大大推进了活细胞中纳米尺度生物过程的可视化 [1], [2], [3]。然而，细胞内光学异质性仍然是准确纳米粒子 (NP) 成像的主要障碍，因为它会扭曲散射信号并产生依赖角度的伪影，导致定位错误 [4], [5]。密集的细胞内结构造成异质的折射率分布，导致发射体错误定位、虚假检测和复合点扩散函数 (PSFs)，其中多个发射体被错误地表示为单个表观特征。这些伪影降低了纳米粒子追踪和细胞内运输测量的定量可靠性 [2], [5]。因此，在保留高空间（分辨紧密排列物体的能力）和时间分辨率的同时，抑制由伪影引起的错误定位的策略对于单细胞定量纳米成像至关重要。为了改善轴向信息，传统的二维 (2D) 显微镜已扩展为沿 x、y 和 z 轴分辨率增强的三维 (3D) 成像模式 [6], [7]。全内反射 (TIR) 照明和高度倾斜层叠光学片 (HILO) 显微镜进一步提高了超分辨测量中的信噪比 (SNRs) 并减少了背景信号 [8], [9]。然而，这些模式仍然对照明条件高度敏感，并且经常表现出依赖角度的伪影，导致在光学异质的细胞环境中定位不一致。在这种情况下，等离激元纳米粒子提供了一种有吸引力的非荧光替代方案，因为它们的大散射截面、优异的光稳定性和生物相容性使得长期观察成为可能且无光漂白 [10], [11]。在单粒子水平上理解纳米粒子 - 细胞相互作用对于纳米科学和纳米医学至关重要 [12]。然而，由于光学畸变干扰了可靠的信号解释，在复杂的细胞内环境中准确定位纳米粒子仍然困难 [13], [14]。尽管多角度照明可以提供互补的光学视图以减少遮挡和散射引起的伪影，但在异质细胞介质中确定最佳照明条件仍然具有挑战性 [15], [16], [17], [18]。人工智能和深度学习 (DL) 的最近进展使得能够高效评估多维数据集的图像质量，并基于数据选择最佳成像条件 [19], [20], [21]。尽管如此，将基于 DL 的决策与光学系统设计相结合，以实现可靠、抗伪影的纳米粒子超分辨成像仍然不发达。在此，我们提出了一种用于异质细胞环境中三维超分辨成像的 DL 优化旋转多角度照明策略 (图 1)。通过将旋转 TIR 和 HILO 照明与基于 DL 的照明角度优化相结合，所提出的平台实现了细胞环境中等离激元纳米粒子的准确三维重建。总体而言，该策略大幅减少了由伪影引起的纳米粒子错误定位和量化错误，同时实现了比传统方法快 79 倍的后处理。**章节摘要**### 试剂金纳米棒 (Au NRs; 宽 40 nm × 长 80 nm) 和球形金纳米粒子 (Au NPs; 直径 10 和 100 nm) 购自 Nanopartz (美国犹他州盐湖城)。球形铁磁性铁微颗粒 (Fe MPs; 2–3 μm) 购自 Polysciences (美国宾夕法尼亚州)。Fe MPs 用作受控光学扰动，以产生可重复且定义明确的散射几何形状，允许独立于生物变异性对光学伪影进行表征。### DL 优化旋转照明平台的原则和分析工作流程多角度照明提供的角度多样性可以改善重建稳定性并减少由光学复杂的细胞内环境引起的歧义，从而增强超分辨成像性能 [31], [32]。在异质样品中，特别是在三维细胞培养中，单视角照明通常引入方向依赖性伪影，从而降低定位精度并损害定量解释 [33], [34]。因此，在同一区域下采样...### 结论在本研究中，我们开发了一种 DL 优化旋转照明平台，用于在光学异质的细胞环境中定量三维超分辨成像等离激元纳米粒子 (NPs) 时抑制光学伪影。该平台集成了可自动旋转的 TIR 和 HILO 照明，能够在无需重新定位样品或复杂多视角硬件的情况下实现角度多样的激发。物理引导卷积神经网络 (CNN) 识别了照明角度...### CRediT 作者贡献声明**Seungah Lee:** 写作 – 审稿 & 编辑，方法论。**Sobia Rafiq:** 调查，形式分析。**Seong Ho Kang:** 写作 – 审稿 & 编辑，监督，调查，资金获取，概念化。**Dongkyun Lee:** 调查。**Faruk Hosen:** 写作 – 初稿，验证，方法论，形式分析。**Md Abu Shyeed:** 调查，形式分析。### 利益冲突声明作者声明他们没有已知的竞争性经济利益或个人关系可能会影响本文报告的工作。### 致谢本工作由韩国政府 (MSIT) 资助的韩国国家研究基金会 (NRF) 拨款支持 (No. RS-2025-00519455)，以及教育部资助的韩国国家研究基金会 (NRF) 全球硕士·博士生及博士后学习与学术研究机构项目 (G-LAMP) (No. RS-2025-25442355) 支持。### 利益冲突声明作者声明他们没有已知的竞争性经济利益或个人关系可能会...### 作者简介**Faruk Hosen** 于 2020 年和 2022 年分别获得孟加拉国拉杰沙希大学理学学士 (B.Sc.) 和硕士 (M.Sc.) 学位。他目前在京畿大学攻读化学硕士 (M.S.) 学位。他的主要研究兴趣是开发深度学习辅助超分辨成像的新方法及其应用。Faruk Hosen|Dongkyun Lee|Md Abu Shyeed|Sobia Rafiq|Seungah Lee|Seong Ho Kang