《如何在纳米级分辨率下快速成像整个大脑》

  • 来源专题:纳米科技
  • 编译者: 郭文姣
  • 发布时间:2019-01-21
  • Eric Betzig没有想到这个实验会成功。

    高瑞轩(Ruixuan Gao)和浅野正孝(Shoh Asano)这两位科学家想用他的团队的显微镜对大脑样本进行放大,使之达到平常的四倍——像气球一样膨胀。这两人是霍华德休斯医学研究所(HHMI)研究员埃德博伊登(Ed Boyden)在麻省理工学院(MIT)实验室的成员。他们利用化学技术把小样本放大,这样科学家就能更容易地看到分子的细节。

    他们的技术被称为扩张显微镜,在传统光学显微镜下拍摄的单细胞或薄组织切片上效果很好,但是Boyden的团队想要拍摄更大的组织块。他们想要看到跨越数毫米甚至更多的完整神经回路。科学家们需要一种高速、高分辨率、相对温和的显微镜,这种显微镜在完成成像之前不会破坏样本。

    于是,他们求助于Betzig。他的团队在HHMI的Janelia研究校园使用他们的点阵光学显微镜,以3-D的方式对敏感的活细胞的快速亚细胞动力学进行成像。将这两种显微技术结合起来,有可能提供大面积脑组织的快速、详细图像。

    “我以为他们全是这样,”贝琪回忆道。“这个想法听起来确实有点粗糙,”高说。“我们在拉伸组织。”但是Betzig邀请了Gao和浅野来尝试点阵范围。

    “我本来要给他们看的,”贝琪笑着说。相反,他被吹走了。“我无法相信我看到的数据的质量。你可以用一根羽毛把我打倒。”

    现在,他和他的Janelia同事与Boyden的小组合作,对果蝇的整个大脑和老鼠大脑皮层厚度的部分进行成像。他们的组合方法提供了高分辨率和可视化任何想要的蛋白质的能力——而且速度也很快。Boyden, Betzig和他们的同事于2018年1月17日在《科学》杂志上发表报告称,相比于使用电子显微镜观察苍蝇的大脑,用多种颜色对其进行成像只需要62.5小时。

    “我能看到我们每天至少成像10个苍蝇的大脑,”Betzig说,他现在是加州大学伯克利分校HHMI研究人员。他说,这样的速度和分辨率将让科学家们提出新的问题,比如雄性和雌性的大脑是如何不同的,或者同种果蝇的大脑回路是如何变化的。

    博伊登的研究小组梦想绘制一张大脑地图,其精细程度可以在电脑上模拟。“我们在成像性能上已经跨过了一个门槛,”他说。“这就是我们如此兴奋的原因。我们不仅仅是在逐步扫描更多的脑组织,我们是在扫描整个大脑。

    扩大大脑

    要绘制出大脑的详细地图,需要绘制出它的活动和线路图——在人类身上,800多亿个神经元中的每一个都连接着数千个神经元。这些地图可以帮助科学家发现大脑疾病的起源,建立更好的人工智能,甚至解释行为。“这就像是神经科学的圣杯,”博伊登说。

    几年前,他的研究小组有了一个想法,想弄清楚所有东西是如何组织起来的:如果他们真的能让大脑变得更大——大到可以看到里面,那该怎么办?通过向样本中注入可膨胀的凝胶——就像婴儿尿布里的东西一样——研究小组发明了一种扩大组织的方法,使组织内的分子不那么拥挤,在显微镜下更容易看到。分子锁在凝胶支架中,即使膨胀后仍保持相同的相对位置。

    但要拍摄大量组织的图像并不容易。标本越厚,只照亮你想看的部分就越困难。把太多的光照射在样本上可以使其光漂白,烧毁科学家用来照亮细胞的荧光“灯泡”。

    高说,将样本扩大4倍就能使其体积增加64倍,因此成像速度也变得至关重要。“我们需要的是一种快速的、不需要太多光漂白的东西,而且我们知道珍尼莉亚有一架非常棒的显微镜。”

    点阵薄片显微镜将一片超薄的光扫过标本,只照亮显微镜聚焦平面上的那一部分。这有助于失焦区域保持黑暗,防止标本的荧光被熄灭。

    当高和浅野第一次在格子镜下测试他们的老鼠组织膨胀时,他们看到神经元的分支上有一簇发光的突起。这些被称为树突刺的小突起通常看起来像蘑菇,球状的头部长在细颈上,很难测量。但是,浅野说,科学家们甚至可以看到“尽可能小的脖子”,同时成像附近的突触蛋白。

    “这是令人难以置信的印象深刻,”Betzig说。团队确信他们应该进一步探索这种组合技术。“从那以后,我们一直在这么做,”他说。

    大脑和其他

    在过去的两年里,高和浅野花了几个月的时间在Janelia工作,他们与生物学家、显微镜学家、物理学家和计算机科学家一起在校园里捕捉和分析图像。“这就像是复仇级的合作,”高说,他指的是漫画书中的超级英雄团队。

    Yoshinori Aso和FlyLight团队提供了高质量的果蝇大脑样本,Gao和浅野对样本进行了扩展,在每个大脑中收集了大约5万块数据,形成了一种3d拼图。这些图像需要复杂的计算机缝合,才能把碎片拼在一起,这项工作由斯蒂芬·萨尔菲尔德(Stephan Saalfeld)和伊戈尔·皮萨列夫(Igor Pisarev)领导。“斯蒂芬和伊戈尔拯救了我们,”贝茨格说。“他们处理了图像处理的所有可怕的小细节,并让它在每个数tb的数据集上工作。”

    接下来,来自哈佛医学院(Harvard Medical School)的Srigokul Upadhyayula是这份报告的共同第一作者,他分析了总共200兆兆字节的数据,制作了令人惊叹的电影,生动地展示了大脑的错综复杂。他和他的合作者们研究了1500多根树突状棘,成像了隔绝老鼠神经细胞的脂肪鞘,突出显示了所有的多巴胺能神经元,并计算了整个果蝇大脑的所有突触。

    Boyden团队扩展技术的细微差别使得它非常适合于晶格范围;该技术产生几乎透明的样品。对于显微镜来说,这几乎就像在水中观察,而不是在分子黏液的混浊海洋中。“结果是,与早期的显微技术相比,我们在非常大的体积上以极快的速度获得了晶莹剔透的图像,”博伊登说。

    然而,挑战仍然存在。Betzig说,就像任何一种超高分辨率的荧光显微镜一样,用足够多的荧光灯泡来装饰蛋白质,使其在高分辨率下清晰可见是很困难的。由于膨胀显微镜需要许多处理步骤,所以仍然有可能引入伪影。正因为如此,他说:“我们非常努力地去验证我们所做的事情,其他人也应该这样做。”

    现在,Gao和Janelia团队正在建造一种新的点阵光学显微镜,他们计划将其搬到麻省理工学院Boyden的实验室。“我们的希望是迅速绘制出整个神经系统的地图,”博伊登说。

    ——文章发布于2019年1月17日

相关报告
  • 《纳米级空间分辨率的红外光探头实现远红外波段探测》

    • 来源专题:重大科技基础设施领域知识集成服务平台
    • 编译者:魏韧
    • 发布时间:2019-06-27
    • 拥有与所研究现象的空间和能量尺度相匹配的实验工具是开展科学研究的基础。对生物学、量子材料和电子学等领域的很多问题而言,这意味着需要同时具备纳米级空间分辨率与远红外能量探测的能力。例如,研究用于光电电路量子材料的集体电子振荡,生物系统中蛋白质分子的振动模式等。 同步辐射红外纳米光谱(SINS)技术,将宽谱同步辐射与原子力显微镜结合在一起,实现纳米尺度上的红外成像和光谱分析。然而,由于缺少合适的光源和探测器,这项技术无法应用于远红外波段。在这项工作中,研究人员将SINS的应用范围延展到远红外的波长范围,开启了全新的实验机制,形成纳米尺度和远红外谱段下研究异质材料能力,有望用于从凝聚态物理到生物学的广泛领域。 2014年,SINS在ALS光源上实验成功,并应用于光束线2.4和光束线5.4的用户终端站。该技术将红外光聚焦于原子力显微镜(AFM)的尖锐金属端,然后在尖端和样品表面收集反向散射光,并将其发送到探测器,空间分辨率一般为10~20nm,远小于光的波长,克服并超越衍射极限1000倍。 可用波长范围主要取决于光学元素和探测器。探测器通常为汞-镉-碲(MCT)类型的,可探测范围没有达到远红外或更长的波长。传统的远红外探测器虽可以实现探测,但对于典型的AFM尖端振荡频率来说,探测反应速度太慢。为了克服这些问题,研究人员开发了一种快速且高度敏感的铜掺锗(Ge:Cu)探测器,将SINS的可用波长范围拓展到31µm。 为了证明该技术的适用性和普遍性,研究人员测量了不同类型的代表性功能材料,包括电介质和极性氧化物、有机分子系统以及超薄2D范德瓦尔斯材料;探测了许多行为和激发,包括晶格振动(声子)、自由电子振荡(等离子体激元)和分子振动。实验中,利用厚度、晶体取向和施加电压等高灵敏参数,确定各种材料的不同光谱特征。 研究人员展示了通过施加静电电压调控石墨烯器件的远红外、纳米级等离子体属性的能力,为在远红外波段开展石墨烯以及其他新型2D材料的研究提供可能。与此同时,研究人员不断推动技术的发展,使其覆盖整个红外线波段范围,并一直延伸到太赫兹频率,以期在更宽的光谱范围内研究更丰富的新材料。
  • 《基于深度学习的纳米三维快速成像》

    • 来源专题:光电情报网信息监测服务平台
    • 编译者:husisi
    • 发布时间:2023-06-14
    • 纳米尺度上的三维(3D)成像是生物学、材料学领域一种重要的研究手段,比如病毒探测、纳米电子等。成像过程中,研究人员一般会把标本固定住,然后用离子束对其顶层进行精细刻蚀,最后用扫描电子显微镜或类似的高分辨率方法对目标成像,并重复这一过程,直到整个标本被消耗掉,因此这种方法是有损成像。然而,随着科技的发展,人们对成像技术的要求越来越高,非破损成像是非常有必要的,因此,一种称之为断层扫描的方法逐渐受到学术界的广泛青睐。 图 RAPID框架示意图。(a)通过平移和旋转扫描收集衍射图案测量的投影层析实验。对原始衍射图进行预处理,生成近似作为预训练网络的输入,并获得体积分布作为最终输出。(b)网络训练过程。对投影层析成像获得的衍射图进行预处理,得到近似值作为网络输入,并采用两步常规方法生成高分辨率黄金标准(GS)作为训练深度神经网络的基础真值 集成电路(IC)在制造过程中的验证、失效分析、产品检测等流程对成像有着较高的需求,而且由于摩尔定律的存在,3D IC成像的挑战随着时间的推移而增长。另外,研究IC的3D成像实用型比较强。 对于纳米级的非破坏性3D IC成像而言,x射线是一种理想的探针,因为它的波长短,穿透深度较深。然而,与医学x射线断层成像不同的是,它一般根据投影的强度进行操作,在纳米尺度的情况下,通常首先通过平面成像寻找复杂的场,然后再进行断层摄影。这种组合方案也被称为x射线体表断层扫描(ptycho-tomography)。这样做有多个原因,比如,如果投影近似仍然适用,那么科研究人员可以并行进行两次断层分析重建。大多数材料的相位变化比它们各自的吸收变化大10倍。 x射线体表断层扫描重建的顺序与实验步骤相同,都分为两步。首先,使用相位检索算法从远场衍射图中检索二维投影,然后,实现层析重建以从二维投影中恢复三维物体的实部或虚部。 包括集成电路成像、微观生物成像和材料性质研究(断裂、渗透和水化)在内的应用都已经成功利用该技术实现。然而,平面成像和断层成像都需要大量的数据冗余,通常会导致较长的采集和处理时间。 减少采集时间的一种方法是使用高精度扫描仪,它可以与高效扫描方案和高扫描速度兼容,提高工作效率。另一种方法是减少断层扫描中的数据冗余要求,但这样会导致随着数据的减少,传统的重建算法可能会使保真度降低。 伴随着监督学习方法引起人们对新数据和未见数据的泛化能力的关注。研究人员提出了一种在样本子集上进行训练的新方案,其中可以使用一种可靠但比较缓慢的替代方法来获得目标数据,然后在样本的其余部分使用训练网络,由此大大加快了整个操作。研究人员称,该方法对集成电路或其他大型3D样品很有吸引力。