2021-12-20 | 대전=박희윤 기자

KAIST人工智能显微镜,无需荧光染色即可观察分子信息

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

KAIST于20日表示,物理学系朴容根讲座教授研究团队开发出无需荧光染色即可观察细胞分子信息的人工智能显微镜技术。

光学显微镜自数百年前至今,一直是生物学及医学中最重要的技术之一,并按成像原理发展出多种形态。近数十年来分子生物学突飞猛进,使得以荧光(fluorescence)标记细胞内特定结构成为可能,凭借如此高的生化特异性(biochemical specificity),荧光显微镜成为目前应用最广泛的光学显微镜技术。

然而荧光显微镜因荧光标记本身即是对细胞的改造,会给细胞带来负担,且受亮度、细胞毒性和稳定性问题限制,难以进行超高速或长期测量。由于颜色有限,同时观察多种结构存在根本性局限。

与此相对,利用决定各物质与光相互作用的根本特性——折射率(refractive index),从而无需任何染色的显微镜技术也在持续发展。不仅有利用折射率衍生的光吸收、相位差等的传统显微镜,近年来朴容根教授研究团队还开发并商业化了在三维空间中定量测量折射率本身的各种全息显微镜(holographic microscopy)技术。

此类无标记(label-free)显微镜技术与荧光显微镜相比具有多种优点,但折射率与细胞内结构之间的关系不明确,分子特异性较低,是其缺点。

朴教授研究团队自2012年初起,在KAIST毕业生曹永周(第一作者,物理学系·数理科学系11级本科、KAIST校长奖学生,现斯坦福大学应用物理学系博士研究生)主导下,启动了一系列将人工智能引入全息显微镜领域以解决特异性问题的研究。

首先,对于形态相似但生化构成存在差异的样本(多种细菌、各类白细胞等),其折射率图像在人眼看来十分相似,但有趣的是,人工智能能够以高准确度对其进行分类。这一结果在极为多样的生物样本中被一致观察到,因此研究团队提出假设:生化特异性高的信息隐藏在折射率的空间分布之中。

在12月7日发表于细胞生物学领域最权威期刊《自然细胞生物学》的此次研究中,研究团队通过证明可以从全息显微镜图像直接预测荧光显微镜图像,验证了该假设。利用人工智能找出的折射率空间分布与细胞内主要结构之间的定量关系,实现了对折射率空间分布的解读,且令人惊讶的是,这种关系与细胞种类无关而得以保留。

在此过程中诞生的“人工智能显微镜”兼具全息显微镜与荧光显微镜的优点。也就是说,无需荧光标记即可获得荧光显微镜的特异性图像。因此可在保持自然状态的细胞中同时以三维方式观察众多种类的结构,并实现毫秒(ms)级的超高速测量与数十天级的长期测量。此外,由于可立即应用于未包含在现有数据中的新种类细胞,预计可应用于多种生物学及医学研究。

此次研究除依托曹永周博士研究生与朴容根教授过去十余年间发展的光学及人工智能技术实力之外,还得益于多学科交叉的方法与基于KAIST技术的创业。凭借KAIST生命科学系许元道教授(共同通讯作者)与朴外善博士(共同第一作者)长期发展的分子生物学及荧光显微镜技术,得以获取人工智能学习所需的数据;而曹永周博士研究生2015年在许元道教授研究团队研究一年的经历,催生了具体的构想。

此外,通过以朴容根教授研究团队全息显微镜技术创业的Tomocube,显微镜及数据格式实现了标准化,便于大规模人工智能学习,并在此基础上,随着Tomocube研究员赵亨周(共同第一作者)及闵贤锡(共同通讯作者)等人工智能专业人才的加入,得以快速引入最新人工智能方法。

阅读韩文原文