Multi-SIM多模态结构光超分辨智能显微镜-纳析科技

概览

多模态结构光超分辨智能显微镜（Multi-SIM）是一款自主研发、设计和制造的超分辨显微成像系统，核心技术源于中国科学院生物物理研究所李栋团队在超分辨成像技术上十余年的系列研发成果（Science，2015；Cell，2018；Nature Methods，2021，etc.），相关工作被评为科技部 2018 年度“中国科学十大进展”——“实现对活细胞内动态事件的纳米、毫秒分辨的长时程非侵入式成像，提供洞察细胞内关键生物过程的窗口，有助于更好地理解活细胞条件下的分子事件”。

多模态

多种超分辨成像模态，提高适用性与功能丰富性，可满足多种实验需求

高通量

更大成像视野、更快成像速度、四通道同步成像、多点拍摄、拼图拍摄等

智能

人工智能荧光图像处理算法，图像去噪、计算超分辨等，远优于传统算法

Multi-SIM 具有最高每秒 687 幅 1024*3072 像素的超分辨成像速度，能在纤毛运动、细胞体内物质运输、内质网动态过程、神经元神经递质传递等高动态生物学过程研究中发挥重要作用，能更快地捕捉到细胞的细微变化。此外，大成像视野既可以保证细胞成像的完整性，细胞运动始终保持在成像视野内，也能实现对神经元细胞的研究，拍摄几百微米长的轴突与树突。

成像展示

ꁆ ꁇ

多种成像模态

TIRF-SIM

全反射结构光超分辨成像模态

TIRF-SIM 拍摄 Clathrin-网格蛋白介导内吞小泡的中空结构：TIRF-SIM 模态的成像厚度仅有 100~200 nm，具有极佳的信噪比，是观察质膜附近生物学过程的最佳成像模态。图中的网格蛋白介导内吞小泡在宽场下呈现为实心的点状结构，而在 Multi-SIM 超分辨成像下能清晰观察到中空的泡状结构。

Widefield

TIRF-SIM Super-resolution
GI-SIM

掠入射结构光超分辨成像模态

GI-SIM 采用独家开发的掠入射照明模式，1 µm成像深度与高数值孔径物镜的景深相匹配，最大化 2-D 超分辨成像的信息收集效率，非常适合观测细胞质内多种细胞器的动态互作过程。

GI-SIM 比 TIRF-SIM 成像深度拓展了十倍，可清晰分辨内质网、线粒体内膜、溶酶体等细胞器亚结构，开展高速、多色超分辨活细胞成像。
Single Slice-SIM

Single Slice-SIM 模态是针对细胞内单一层次的超分辨成像模态，能在样本较深的位置进行成像；同时它拥有堪比共聚焦的层切能力，可有效去除背景荧光。因此它适合进行细胞核内成像、小型模式生物成像与组织切片成像。

Widefield

Single Slice-SIM Super-resolution
3D-SIM

三维结构光超分辨成像模态

可对全细胞体积进行高速三维超分辨成像，纵向(Z)成像速度达到 2.5 µm每秒，轴向分辨率 320 nm，仅需3秒完成全细胞 3D-SIM 超分辨成像，为业内领先性能。

3D-SIM 模态下，一个线粒体內嵴的三维超分辨动态成像，图中颜色代表了线粒体所处的高度。
Nonlinear-SIM

非线性结构光超分辨成像模态

Nonlinear-SIM 模态利用特殊的成像方案将结构光照明成像的分辨率提升为宽场成像的 3 倍——达到 60nm。

Widefield

Nonlinear-SIM Super-resolution

按钮

dzcxmt

Widefield

GI- SIM Super-resolution

概览
多种成像模态
高通量超分辨显微镜
Multi-SIM算法体系
性能参数
成像展示

Multi-SIM 针对 TIRF-SIM、GI-SIM、2D-SIM、Single Slice-SIM、Stacked Slices-SIM、3D-SIM 等 6 种超分辨模态均开发了各自的超分辨成像算法，使每种模态都能获得优秀的成像质量；同时采用 GPU 加速算法，实现了高速重建。

高速高质量重建

Multi-SIM 提供了 HVL1 约束去卷积算法，通过引入样本连续性先验与光学衍射特性，将 SIM 重建后的超分辨图像进一步进行分辨率增强，得到分辨率优于 60 nm的超分辨图像。

HVL1约束去卷积

视频播放失败，请联系站点管理员！

Multi-SIM 针对荧光信号较弱或背景荧光较强的样本，提供了自适应降噪、吉洪诺夫降噪等多种算法，自动判定图像信噪比、选取合适算法参数进行图像降噪，提升超分辨图像质量。

自适应降噪
傅立叶域注意力卷积神经网络 (DFCAN, Deep Fourier Channel Attention Network) 和傅立叶域注意力生成对抗网络 (DFGAN，Deep Fourier Generative Adversarial Network) 模型，实现了比其它超分辨神经网络模型更鲁棒的显微图像超分辨成像效果。依据测评矩阵结果，其优越区域可以拓展至中、高信噪比成像条件，可在实际生物成像实验中替代现有超分辨成像方法，大大拓展了深度学习超分辨成像方法的适用范围。

DFGAN

细胞中的线粒体内膜和线粒体拟核之间的相互作用。成像时程(>1200张超分辨图像)达到传统活细胞超分辨成像方法的 10 倍以上，首次观察到伴随着线粒体内脊形变的拟核分离和聚合现象；

细胞中环形线粒体的旋转行为。揭示环形线粒体会在细胞质流的推动下进行双向旋转，表明除植物细胞外，动物细胞一定程度上也用涡旋细胞质流来调节胞内稳态；

DFGAN GI-SIM 对线粒体内嵴与拟核长时程成像

视频播放失败，请联系站点管理员！

微管与溶酶体的 DFGAN 3D-SIM 双色成像，微管中的颜色代表着微管所处的高度。通过DFGAN 3D-SIM 技术，我们实现了 200 个时间点的超长时程三维超分辨体成像。并从中发现，溶酶体会与微管产生互作，随后沿着微管进行长距离的运动，同时伴随着溶酶体变形。

DFGAN 3D-SIM对微管与溶酶体长时程成像

视频播放失败，请联系站点管理员！
rDL 是一套合理化深度学习 (rationalized deep learning，rDL) 显微成像技术框架，将光学成像模型及物理先验与神经网络结构设计相融合，合理化网络训练、预测过程，从而实现了高性能、高保真的显微图像去噪与超分辨重建，并结合实验室自主研发、搭建的多模态结构光照明显微镜(Multi-SIM)，将传统 TIRF/GI-SIM、3D-SIM 的成像速度/时程提升 30 倍以上，实现了当前国际最快(684Hz)、成像时程最长(最长可达3小时、60,000 时间点以上)的活体细胞成像性能。

rDL

对高速摆动纤毛以当前最快的 684 Hz 成像速率进行了长达 60,000 个时间点的连续超分辨观测，过程中无明显光漂白或细胞活性损伤，并对纤毛摆动模式和频率进行了统计分析；

rDL GI-SIM 实现摆动纤毛超高速超长时程成像

视频播放失败，请联系站点管理员！

对滴落在玻片上的 U2OS 细胞贴壁生长过程进行了双色、长时程(1小时以上)、超分辨(97nm分辨率)观测，清晰、真实地记录了细胞粘附和迁移的动力学现象，而不会干扰这一漫长、脆弱的生命过程；

rDL TIRF-SIM 对细胞贴壁生长进行观测

视频播放失败，请联系站点管理员！