
-
生物通官微
陪你抓住生命科技
跳动的脉搏
通过自监督的神经物理学习实现异常感知的3D定位显微镜技术
《Nature Communications》:Aberration-aware 3D localization microscopy via self-supervised neural-physics learning
【字体: 大 中 小 】 时间:2026年05月17日 来源:Nature Communications 15.7
编辑推荐:
摘要单分子定位显微镜(SMLM)通过从工程化的二维荧光图案中获取三维分子位置来实现体积纳米成像。然而,在复杂样品中实现大轴向范围内的纳米级分辨率仍然具有挑战性,这主要是由于光学像差和高密度分子产生的信号重叠所致。在这里,我们介绍了LUNAR这一自监督的神经物理框架,它通过联合优化
单分子定位显微镜(SMLM)通过从工程化的二维荧光图案中获取三维分子位置来实现体积纳米成像。然而,在复杂样品中实现大轴向范围内的纳米级分辨率仍然具有挑战性,这主要是由于光学像差和高密度分子产生的信号重叠所致。在这里,我们介绍了LUNAR这一自监督的神经物理框架,它通过联合优化物理成像模型和深度神经网络来克服这些限制。该策略使LUNAR能够直接从原始的高密度数据中精确推断出三维分子位置、光子计数和像差,而无需预先进行校准。通过模拟和实验,我们证明了LUNAR在多种成像条件下具有出色的鲁棒性和准确性,始终优于现有的方法。我们通过观察线粒体、核孔和神经元细胞骨架在全细胞尺度上的成像(即使在较大成像深度下)来展示其能力。通过将深度学习与物理建模相结合,LUNAR为抗像差的三维SMLM提供了一种无需校准的解决方案,并为自适应、数据驱动的显微镜技术建立了一个通用框架。