• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  •  Science >> Ciência >  >> Física
    O método de correlação do anel Rolling Fourier mapeia a qualidade local em escala de super-resolução
    Detectando a heterogeneidade da resolução espacial da microscopia de super-resolução usando o mapa rFRC. Crédito:Weisong Zhao, Xiaoshuai Huang, Jianyu Yang, Liying Qu, Guohua Qiu, Yue Zhao, Xinwei Wang, Deer Su, Xumin Ding, Heng Mao, Yaming Jiu, Ying Hu, Jiubin Tan, Shiqun Zhao, Leiting Pan, Liangyi Chen e Haoyu Li

    A microscopia de fluorescência de super-resolução (SR), através do uso de sondas fluorescentes e procedimentos específicos de excitação e emissão, ultrapassa o limite de resolução de difração (200 ~ 300 nm) que antes era uma barreira.



    A maioria das técnicas de SR depende fortemente de cálculos e processamento de imagens para recuperar informações de SR. No entanto, fatores como a fotofísica dos fluoróforos, o ambiente químico da amostra e as situações de configuração óptica podem causar ruído e distorções nas imagens brutas, impactando potencialmente a qualidade das imagens SR finais. Isto torna crucial que os desenvolvedores e usuários de microscopia SR tenham um método confiável para quantificar a qualidade da reconstrução.

    Devido ao aumento da resolubilidade da imagem SR, é necessária uma avaliação completa, mas as ferramentas existentes muitas vezes ficam aquém quando a resolução local varia dentro do campo de visão.

    Em um estudo publicado em Light:Science &Applications , uma equipe de cientistas introduziu um novo método conhecido como correlação rolante do anel de Fourier (rFRC). Este método facilita a representação da heterogeneidade da resolução diretamente no domínio da Super Resolução (SR), permitindo assim o mapeamento em uma escala SR incomparável e uma correlação sem esforço do mapa de resolução com o conteúdo SR.

    Além disso, a equipe desenvolveu uma melhoria no mapa de erros em escala de resolução (RSM), resultando em uma estimativa de erros sistemáticos mais precisa. Isso foi usado em conjunto com o rFRC, criando uma técnica combinada conhecida como PANEL (Pixel-level Analysis of Error Locations), que se concentra na identificação de regiões de baixa confiabilidade a partir de imagens SR.
    (a) Esquema da fusão STORM. 'ME':resultado MLE multiemissor; 'SE':resultado do ajuste gaussiano de emissor único. (b) Resultados STORM (células COS-7, α-tubulina marcada com Alexa Fluor 647, esquerda) e seus mapas rFRC (direita) são mostrados de cima para baixo, que são visualizações ampliadas da caixa branca em (d). De cima para baixo:resultado ‘ME’; Resultado 'SE'; o resultado fundido das reconstruções 'ME' e 'SE'. Os valores de rFRC correspondentes estão marcados no canto superior esquerdo dos mapas de rFRC. (c) Vistas ampliadas dos círculos tracejados em (b). Da esquerda para a direita:resultados ME, resultados SE, pesos de fusão (mapas rFRC invertidos de resultados ME e resultados SE mesclados como canais verdes e magenta, respectivamente) e resultados STORM fundidos. (d) A visão completa do resultado STORM fundido (células COS-7, α-tubulina marcada com Alexa Fluor 647). (e) mapa rFRC de (d). A inserção mostra a resolução melhorada alcançada pela fusão em comparação com os resultados SE (80,55 ± 1,52 nm na região de 22,0%, oco) e ME (4,28 ± 0,14 nm na região de 19,2%, sólido branco). (f) Regiões ampliadas delimitadas pela caixa amarela em (d). Os resultados do mapa rFRC, STORM fundido e RSM são mostrados de cima para baixo. barras de escala:(b, c) 500 nm; (d) 5 μm; (f) 1 μm. Crédito:Weisong Zhao, Xiaoshuai Huang, Jianyu Yang, Liying Qu, Guohua Qiu, Yue Zhao, Xinwei Wang, Deer Su, Xumin Ding, Heng Mao, Yaming Jiu, Ying Hu, Jiubin Tan, Shiqun Zhao, Leiting Pan, Liangyi Chen e Haoyu Li

    Os cientistas aplicaram com sucesso o PANEL em uma variedade de abordagens de imagem, incluindo Microscopia de Localização de Molécula Única (SMLM), Flutuações Radiais de Super Resolução (SRRF), Microscopia de Iluminação Estruturada (SIM) e métodos de deconvolução, verificando a eficácia e estabilidade de seu mapa quantitativo. .

    PANEL pode ser usado para melhorar imagens SR. Por exemplo, tem sido efetivamente utilizado para fundir imagens SMLM reconstruídas por vários algoritmos, fornecendo imagens SR de qualidade superior.

    Antecipando que o seu método se torne uma ferramenta básica para a avaliação da qualidade local, a equipe tornou o PANEL acessível como uma estrutura de código aberto. Bibliotecas relacionadas para MATLAB e Python estão disponíveis, bem como um plugin Fiji/ImageJ pronto para uso no GitHub.

    Mais detalhes sobre esta técnica promissora podem ser encontrados em uma postagem dos bastidores escrita pelo membro da equipe principal, Weisong Zhao, acessível aqui.

    Mais informações: Weisong Zhao et al, Mapeando quantitativamente a qualidade local da microscopia de super-resolução rolando a correlação do anel de Fourier, Light:Science &Applications (2023). DOI:10.1038/s41377-023-01321-0
    Informações do diário: Luz:Ciência e Aplicações

    Fornecido pela Academia Chinesa de Ciências



    © Ciência https://pt.scienceaq.com