本成果由Svenja Kristin Tetzlaff, Yvonne Yang, Robert Denninger, Marc Cicero Schubert, Stella Judith Soyka, Amr Tamimi, Emanuel Maus, Julian Schroers, Niklas Wißmann, Ekin Reyhan, Robin Peretzke, Carlo Beretta, Michael Drumm, Alina Heuer, Verena Buchert, Alicia Steffens, Jordan Walsh, Kathleen McCortney等學者合作完成,論文標題為《Deep intravital brain tumor imaging enabled by tailored three-photon microscopy and analysis》,發表于《Nature Communications》。
重要發現
01深層腦組織成像的技術突破
傳統2PM因組織散射和熒光背景噪聲限制,僅能觀測淺層皮層(300–700 μm)。
Deep3P通過三大創新實現1.2 mm深度成像:
自適應光學(AO)系統 校正顱窗與腦組織間的折射率差異,分辨率提升1.9倍(n=5實驗),熒光信號增強3–5倍。
3PM-N2V降噪算法:基于3D U-Net架構的自監督學習模型,抑制3PM特有的周期性噪聲(如光電倍增管波紋),信噪比提升10–15 dB。
THG信號機器學習分類:利用ilastik算法將無標記THG信號分解為血管與髓鞘軸突束,實現腫瘤細胞與微環境結構的同步動態追蹤。
創新與亮點
01顛覆性成像深度與分辨率
Deep3P首次實現 活體哺乳動物胼胝體(1.2 mm深度)的亞細胞級動態觀測,突破2PM的物理極限。其AO系統通過校正組織折射率不均一性,使1 μm級腫瘤微管(TMs)在深層可見,為腦深部疾病研究開辟全新維度。
02智能分析驅動的新生物學發現
AI降噪與分類:3D-N2V算法結合PerStruc-Denoiser,有效抑制深層成像噪聲;THG信號分類準確率達99%(FITC-葡聚糖驗證)。
侵襲模式量化:揭示膠質瘤在胼胝體中減少分支遷移(vs.皮層),轉向沿血管定向運動,提示微環境調控侵襲表型。
03臨床轉化價值
機制層面:發現膠質瘤模擬神經前體細胞的血管依賴性遷移,為靶向血管互作的治療提供依據。
診斷層面:THG信號形態變化(如纖維方向離散度)可作為早期白質定植的潛在影像標志物。
總結與展望
Deep3P通過融合三光子顯微技術、自適應光學與人工智能,首次實現對腦深部白質腫瘤生物學的非侵入性活體研究。其核心價值在于:揭示膠質瘤沿血管侵襲胼胝體的新機制,挑戰傳統“沿軸突遷移”理論;發現早期定植導致髓鞘結構微觀變形,為開發高靈敏度影像標志物奠定基礎;提供研究腫瘤-微環境互作的全新平臺。
未來工作將聚焦三大方向:拓展多色熒光標記以同步監測細胞功能狀態;優化成像速度實現更大范圍動態追蹤;推動THG形態指標與臨床MRI的融合,加速深層腦腫瘤診療技術的革新。該技術亦有望應用于神經退行性疾病、腦卒中等白質病變模型的研究,推動神經科學進入“深部觀測時代”。
論文信息DOI:10.1038/s41467-024-51432-4.