CDSB：通过“内容解耦薛定谔桥”技术加速连接组学工作流程

《BMC Biology》：CDSB: accelerating connectomics workflow via Content-Decoupled Schr?dinger Bridge

　　

摘要

背景

大规模连接组学研究需要电子显微镜具备纳米级的分辨率来观察超微结构细节，但其数据采集过程既耗时又费力。相比之下，高通量光学显微镜虽然具有较高的工作效率，但却缺乏进行精细分析所需的空间分辨率。为了解决这一难题，我们提出了一种跨模态的超微结构推断计算框架，该框架将高通量光学显微镜数据转化为类似电子显微镜的结构表示形式，以加速后续的数据处理流程。我们的框架并非从头开始重新构建超微结构信息，而是通过增强光学数据中的潜在形态特征来恢复超微结构信息。这一流程依托于一种名为“Content-Decoupled Schr?dinger Bridge”的新型深度学习框架，该框架能够区分与成像方式无关的物理内容和特定于成像方式的属性，并引入基于物理原理的感知损失函数以确保结构结果的合理性。

结果

我们的方法显著加快了连接组学研究的速度，在三个关键应用中得到了验证：首先，生成的图像更具清晰度，降低了专家在选取感兴趣区域时的错误率；其次，这些图像与原始光学显微镜数据保持一致，同时与目标电子显微镜数据在外观上相匹配，从而简化了多模态数据对的配准过程；第三，它们提高了分割精度，使得预训练的电子显微镜模型可以直接应用于光学显微镜数据。

结论

总之，本研究提供了一种计算解决方案，旨在平衡成像速度与分辨率之间的矛盾。通过提升光学显微镜数据的信息分析价值，我们的流程加速了大规模连接组学研究的关键环节，从目标样本的采集到定量分析的全过程。