重要發現者:Lanxin Zhu, Jiahao Sun, Chengqiang Yi, Meng Zhang , Yihang Huang, Sicen Wu, Mian He, Liting Chen, Yicheng Zhang, Chunhong Zheng , Hao Chen , Jiang Tang, Yu-Hui Zhang Dongyu Li & Peng Fei 。
發表文章名:《Adaptive-learning physics-assisted light-field microscopy enables day-long and millisecond-scale super-resolution imaging of 3D subcellular dynamics》。
發表信息:Received: 30 August 2024;Accepted: 22 July 2025;Published online: 04 August 2025,發表于 《Nature Communications》。
重要發現
01核心機制:分步求解光場逆問題
傳統光場顯微鏡(LFM)因空間帶寬壓縮(600倍)導致重建模糊。
Alpha-LFM創新性地將復雜逆問題分解為三步物理約束任務:
去噪網絡:利用視角注意力模塊抑制相機噪聲(SNR提升3倍)
解混疊網絡:通過空間-角度卷積恢復欠采樣信息(分辨率提升至衍射極限)
VCD重建網絡:基于多分辨率塊將2D投影轉為3D超分辨體積(分辨率達120nm)
03光學架構:模塊化改造商業顯微鏡
通過緊湊型光場附加組件(220×140mm)改造倒置顯微鏡:
微透鏡陣列(MLA)編碼空間-角度信息
中繼透鏡組將光場圖像傳遞至sCMOS相機
支持空間LFM(大視野)與傅里葉LFM(高密度信號)雙模式
發展歷程
概念萌芽期(2013-2018)
Broxton等提出波光學光場重建理論,但分辨率局限在微米級(2013)。Prevedel實現全腦神經元3D成像,速度達毫秒級,但分辨率不足(2014)。
算法優化期(2018-2021)
DAOSLIMIT通過9次孔徑掃描將分辨率提升至220nm(2021);VCD-LFM首次結合深度學習,分辨率達180nm,但依賴大量標注數據(2021)。
物理-智能融合期(2025)
Alpha-LFM突破三大瓶頸:
分辨率:120nm(接近SIM水平)
泛化性:寬場圖像驅動的自適應調優
光毒性:單次曝光完成體積采集,光子利用率超掃描技術10倍
創新與亮點
01毫秒級細胞器運動解析
在過氧化物酶體成像中,100體積/秒速率捕獲到40毫秒內ER管狀結構新生,而傳統10體積/秒成像則丟失該動態。
總結與展望
01現存瓶頸
信號依賴性:高密度/低信噪比樣本重建質量下降(如致密微管網絡)
活體局限:組織散射問題未優化,暫限于離體細胞研究
計算負荷:重建2040×2040×161體積需0.54秒(需GPU加速)
02未來方向
無監督重建:利用隱式神經網絡(INR)消除標注數據依賴。
多模態整合:結合雙光子激發與自適應光學(AO),實現深層組織成像臨床轉化路徑。
神經退行疾病:追蹤線粒體異常分裂與tau蛋白擴散關聯。
抗癌藥物篩選:量化溶酶體-線粒體接觸頻率作為藥效指標。
開源生態建設:GUI控制軟件已開放(Figshare數據庫),推動技術平民化。
結語:Alpha-LFM不僅重新定義了活細胞成像的“黃金標準”,更以模塊化、開源化的設計理念,為精準醫學打造了一把打開亞細胞動態世界的鑰匙。當生物學發現進入毫秒時代,我們終于能看清生命最本真的脈動。
論文信息