深圳子科生物報(bào)道：科學(xué)家們利用一種人工智能技術(shù)，將低分辨率的細(xì)胞顯微照片轉(zhuǎn)化為使用超高分辨率技術(shù)才能得到的高質(zhì)量圖像。

這一研究成果公布在12月17日的Nature Methods雜志上，新技術(shù)有助于研究人員利用標(biāo)準(zhǔn)臺(tái)式顯微鏡獲得高質(zhì)量的圖像。文章作者，加州大學(xué)洛杉磯分校Aydogan Ozcan表示， “（超高分辨率方法）在實(shí)際應(yīng)用中受限于設(shè)備和專業(yè)知識(shí)方面。現(xiàn)在，通過AI，我們可以改變游戲規(guī)則。”

在過去一兩年中，顯微鏡研究領(lǐng)域的研究人員改進(jìn)了人工智能技術(shù)，希望改善獲取圖像的過程及質(zhì)量，一些研究已經(jīng)從低質(zhì)量的起始圖像中獲得了超分辨率圖像。

在最新研究中，Ozcan等人訓(xùn)練了所謂的深度神經(jīng)網(wǎng)絡(luò)，這種計(jì)算機(jī)模型可以學(xué)習(xí)輸入數(shù)據(jù)之間的非線性關(guān)系，將共聚焦和熒光顯微鏡圖像轉(zhuǎn)換成高質(zhì)量圖像，如受激發(fā)射損耗顯微鏡（STED）和結(jié)構(gòu)照明顯微鏡（SIM）。 Ozcan表示，與通過超高分辨率技術(shù)獲得的圖像進(jìn)行的比較顯示，神經(jīng)網(wǎng)絡(luò)“不會(huì)產(chǎn)生幻覺”， “它確實(shí)展示了超分辨率功能。”

谷歌研究科學(xué)家Samuel Yang說：“我認(rèn)為這很可靠，如果（靶標(biāo)結(jié)構(gòu)）的外觀不會(huì)發(fā)生太大變化，我認(rèn)為使用這種技術(shù)是完全有效的?！?

不過匈牙利科學(xué)院生物研究中心的計(jì)算細(xì)胞生物學(xué)家Peter Horvath說，深層神經(jīng)網(wǎng)絡(luò)可能會(huì)錯(cuò)過樣本中的關(guān)鍵細(xì)微差別。 “它從另一張看起來相似的圖像中復(fù)制內(nèi)容，但通常在研究中我們希望找到與其他圖像不同的東西，這正是這種方法的缺陷，因?yàn)樗粫?huì)發(fā)現(xiàn)差異?！?

一些研究人員已成功地利用深度神經(jīng)網(wǎng)絡(luò)捕獲這些異常。例如，今年早些時(shí)候，巴斯德研究所計(jì)算生物物理學(xué)家Christophe Zimmer開發(fā)了一種網(wǎng)絡(luò)，用于降低幀數(shù)，從而減少獲取與超高分辨率技術(shù)（localization microscopy）相當(dāng)?shù)膱D像所需的時(shí)間。Zimmer說，通過訓(xùn)練后，這種網(wǎng)絡(luò)可以準(zhǔn)確地獲得具有異常微管的超高分辨率圖像。

Zimmer也警告說，這種模型擴(kuò)展能力有限，當(dāng)對核孔圖像進(jìn)行檢測時(shí)，他們發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)“試圖讓小纖維通過這些核孔，因此圖片中都是細(xì)絲而不是八角形結(jié)構(gòu)?！?

Ozcan等人表示，他們的網(wǎng)絡(luò)可以成功制作出新樣本類型的超高分辨率圖像。例如，他們論文中的補(bǔ)充圖像就說明了肌動(dòng)蛋白微絲圖像進(jìn)行訓(xùn)練的模型如何能夠準(zhǔn)確地改善線粒體或血管圖像的分辨率。“我們有證據(jù)表明它正在將這種超分辨率概念延展到之前未見過的樣品上，”O(jiān)zcan說。

這一說法引起了專家們的質(zhì)疑。

Broad研究所計(jì)算機(jī)科學(xué)家Allen Goodman指出，這種AI方法提高分辨率的常見缺點(diǎn)是在延展到不同類型圖像時(shí)會(huì)出現(xiàn)性能不佳。問題在于，在訓(xùn)練過程中，網(wǎng)絡(luò)無法更新“在它們正在處理的問題”。

Ozcan強(qiáng)調(diào)，他的論文表示最好將網(wǎng)絡(luò)重新訓(xùn)練為新的樣本類型?！暗@具有普遍性，”他說，“你可以應(yīng)用的多廣，我認(rèn)為每個(gè)人都有的問題。”

原文標(biāo)題：

H. Wang et al., “Deep learning enables cross-modality super-resolution in fluorescence microscopy,” Nat Methods, doi:10.1038/s41592-018-0239-0, 2018.