研究人员开发了新工具 以更深入地了解生物过程

由隶属于南加州大学迈克尔逊融合生物科学中心的研究人员开发的一项突破性技术提供了一种在创纪录的时间内收集和组织有关有机组织的高度详细信息的新方法。

有朝一日，这些方法可用于快速处理癌症护理中的组织活检或检测食品加工厂中的细菌。

组织发出的信号或内在场虽然可检测到，但非常微弱且难以区分。该技术在Nature Methods和Cell Reports Methods上发表的两篇论文中有详细说明，它使用复杂的数学算法来提高信号的质量，然后将它们分开。

这项新技术可与流媒体服务呈现不同级别的压缩方式相媲美，以确保无论用户的互联网连接如何，他们的视频都是一致的，南加州大学维特比工程学院的联合首席研究员兼研究助理教授Francesco Cutrale表示。

“根据您的连接速度，流媒体将以不同的压缩级别发送视频，然后针对您的设备进行最佳重组，”他说。“我们正在做类似的事情：我们获取非常大、非常复杂的数据，并将其移动到压缩的空间中。然后，我们可以查看非常大的数据集 - 通过相似性关联到一个巨大的直方图中 - 并在创纪录的时间内以非常高的灵敏度分析这些数据。

了解细胞和有机组织复杂性的窗口

该算法 - 在今年早些时候的Nature Methods中详细介绍 - 继续最近利用荧光的高内涵成像方法的改进。由于其高对比度和特异性以及适应性，荧光能够检测和定义特定分子。然而，这些较新的技术不适用于活体或体内样品成像，因为这些方法的灵敏度有限，可能会损坏标本。

在论文中，研究小组展示了如何使用这种称为混合解混的技术来清洁有效地分析活的有机组织。该技术使用线性解混，这是一种分析标本中由称为荧光团的化合物标记的不同成分的方法。

然后，他们使用高光谱相量可视化这些成分，高光谱相量使用整个色谱，而不仅仅是红色，蓝色和绿色。在此过程中，混合解混允许在低照度下同时对有机组织中明亮和暗淡的标记成分进行成像。

该技术允许同时分析这些标记成分的细胞行为和细胞代谢，将为生物系统的复杂性提供更准确的见解。

“研究领域正在推动理解复杂的生物系统，”Cutrale说。

“虽然研究人员通常一次只检查两三个标签，但事实是，细胞内相互作用的因素不止几个。挑战在于这些信号通常看起来非常相似，因此难以区分。在我们的论文中，我们成功地识别并分离了多达14种不同的信号。这一突破将使研究人员更全面地了解细胞和生物系统内部的活动。

从行业的角度来看，该算法为众多应用提供了基础，Cutrale说。

“我们在生命科学领域工作，但很容易想象有许多应用来评估水果的质量，农药的存在或如何在许多其他领域优化生产，”他说。

SHy-Cam 提供低成本、高质量的成像工具

今天发表在Cell Reports Methods上的后续论文描述了硬件 - 称为SHy-Cam，单次高光谱相量相机的缩写 - 由研究团队设计，优化以捕获此类信息。利用荧光的典型组织成像技术使用光谱中的彩色通道来补偿标记之间的重叠。这种技术会降低成像速度，如果暴露在过多的光线下，最终会损坏样品。

借助SHy-Cam，研究人员能够使用新算法在可以使用现有光学组件构建的相机中快速有效地获取光谱信息。论文中描述的新设备每秒能够获取30个数据集，光子效率超过80%。研究人员说，这使其成为多色活体成像的强大工具。

“如何使用2D传感器生成二维图像?你拍一张照片，“库特拉说。“我们的挑战是如何使用3D传感器捕获2D数据集。典型的颜色传感器采集三种颜色 - 红色，蓝色和绿色 - 或者通过其灰度传感器接收所有内容。

“在我们的案例中，我们需要请求 42 个信息渠道——这并不常见，效率也不高。我们在本文中设计了一种新方法，该方法可以通过单个图像获得光谱信息的编码版本。

Cutrale说他们通过利用光来做到这一点。该团队利用光来转换信息，并在将其压缩到传感器之前使用它来执行计算。在使用这种方法时，该团队展示了如何接收整个光谱和图像尺寸。

“我们已经捕获了图像的X轴和Y轴 - 其高度和宽度 - 以及波长轴上的光谱信息，所有这些都在带有标准相机的单个图像中，”他说。“这是一个非常强大的方法。我们从这种硬件方法中获得了效率，在某些情况下比现有仪器快八倍。换句话说，以这种压缩方式到达相机传感器的光是原来的八倍。