Många problem inom fysikaliska och biologiska vetenskaper samt ingenjörsvetenskap är beroende av vår förmåga att övervaka objekt eller processer i nanoskala, och fluorescensmikroskopi har använts i decennier som en av våra mest användbara informationskällor, leder till olika upptäckter om det inre arbetet hos processer i nanoskala, till exempel på subcellulär nivå. Avbildning av sådana objekt i nanoskala kräver ofta ganska dyr och känslig instrumentering, även känd som nanoskopiverktyg, som endast kan nås av proffs i välresursstarka labb.

För att demokratisera tillgången till högupplöst fluorescensavbildning och kunna lösa upp och övervaka objekt i nanoskala, UCLA-forskare har utvecklat en ny metod, baserad på artificiell intelligens, att digitalt omvandla fluorescensbilder som tagits med en lägre upplösning och enklare mikroskop till bilder som matchar upplösningen och kvaliteten hos högre upplösning och avancerade mikroskop som är byggda för nanoskalig bildbehandling. För att uppnå denna omvandling, ett artificiellt neuralt nätverk tränas av tusentals bildpar (lägre upplösning kontra högre upplösning bilder av samma prover), lära det djupa neurala nätverket bildomvandlingen mellan olika modaliteter från ett mycket enklare och billigare mikroskop till ett high-end nanoskop. När utbildningen är klar, det djupa neurala nätverket kan blint ta in en bild av den lägre upplösningen och enklare mikroskopet för att digitalt superlösa egenskaperna hos de nanoskopiska objekten i provet, som matchar prestandan hos ett mycket mer avancerat nanoskopiinstrument.

Detta arbete publicerades i Naturmetoder , en tidskrift från Springer Nature Publishing Group. Denna forskning leddes av Dr. Aydogan Ozcan, en biträdande direktör för UCLA California NanoSystems Institute (CNSI) och kanslerns professor i el- och datorteknik vid UCLA Henry Samueli School of Engineering and Applied Science. Hongda Wang, en UCLA doktorand, och Yair Rivenson, en UCLA-postdoktor, är studiens första författare.

Detta ramverk för nanoskopisk bildtransformation bygger broar över olika avbildningsmodaliteter och instrument, och dess framgång visades genom att superupplösa olika biologiska celler och vävnadsprover, matchar bildupplösningen för mycket mer avancerade verktyg för fluorescensnanoskopi med mycket enklare och mer tillgängliga mikroskop. Vidare, denna teknik möjliggör avbildning av dynamiska händelser i nanoskala över en mycket större provvolym, samtidigt som de minskar de toxiska effekterna av belysningsfotoner på levande organismer och celler.

"Vårt arbete visar ett betydande steg framåt inom beräkningsmikroskopi, som kan hjälpa till att demokratisera superupplösningsavbildning genom att möjliggöra nya biologiska observationer i nanoskala bortom välutrustade laboratorier och institutioner, sa Ozcan.

Andra medlemmar i forskargruppen var Yiyin Jin, Zhensong Wei, Ronald Gao, Harun Günaydin, medlemmar av Ozcan Research Lab vid UCLA, liksom Dr Laurent A. Bentolila, direktören för CNSI Advanced Microscopy Facility vid UCLA och Dr. Comert Kural, en biträdande professor vid institutionen för fysik vid Ohio State University.

Ozcan lab stöds av NSF, HHMI och Koc Group. Avbildningsexperiment utfördes vid Advanced Light Microscopy/Spectroscopy Laboratory vid CNSI och vid Advanced Imaging Center vid Janelia Research Campus.