Det är miljontals biljoner gånger ljusare än solljus och en jättestor 1, 000 biljondels sekund, lämpligen kallat "momentant ljus" - X-ray Free Electron Laser (XFEL) ljus som öppnar ett nytt vetenskapligt paradigm. Att kombinera det med AI, ett internationellt forskarlag har lyckats filma och återställa 3D-strukturen hos nanopartiklar som delar strukturella likheter med virus. Med rädslan för en ny pandemi som växer runt om i världen på grund av covid-19, denna upptäckt väcker uppmärksamhet bland akademiska kretsar för att avbilda virusets struktur med både hög noggrannhet och snabbhet.

Ett internationellt team av forskare från POSTECH, National University of Singapore (NUS), KAIST, GIST, och IBS har framgångsrikt analyserat de strukturella heterogeniteterna i 3-D-strukturer av nanopartiklar genom att bestråla tusentals nanopartiklar per timme med hjälp av XFEL vid Pohang Accelerator Laboratory (PAL) i Korea och återställa 3D-multimodeller genom maskininlärning. Forskargruppen ledd av professor Changyong Song och Ph.D. kandidat Do Hyung Cho vid institutionen för fysik vid POSTECH har drivit det internationella forskningssamarbetet för att förverkliga det.

Nanopartiklar har en speciell funktion som kanske inte är tillgänglig från inhemska bulkmaterial, och man kan kontrollera deras fysikaliska och kemiska egenskaper genom att designa 3D-strukturer och sammansättningar av ingående element.

Gemenskapen mellan nanopartiklar och virus är att de finns i form av oberoende partiklar, snarare än i kristallklart, periodiska arrangemang, och, som sådan, deras strukturer är inte enhetliga på nanometernivå. För att exakt förstå deras strukturer, det är nödvändigt att statistiskt analysera strukturen hos enskilda partiklar med hjälp av hela ensemblefördelningen av strukturer från tusentals till hundratusentals exemplar. Dock, elektronmikroskop saknar ofta tillräckligt med penetration för att begränsa storleken på provet som ska sonderas; konventionell röntgenstrålning kan skada provet av själva röntgenstrålningen, gör det svårt att få tillräcklig upplösning.

Forskargruppen övervann de praktiska begränsningarna av den konventionella metoden genom att använda röntgenfri elektronlaser och maskininlärningsmetoden för att observera den statistiska fördelningen av 3D-strukturen av tusentals nanopartiklar på nanometernivå. Som ett resultat, 3D-strukturer av nanopartiklar med en storlek på 300 nm erhölls med en upplösning bättre än 20 nm.

Denna prestation var särskilt betydelsefull för att återställa 3D-strukturen hos tusentals nanopartiklar med hjälp av maskininlärning. Eftersom konventionella enpartikelavbildningstekniker ofta antar en identisk 3D-struktur hos proverna, det var svårt att återställa strukturen i faktiska experimentella data där provstrukturen inte är homogen. Dock, med introduktionen av multimodellen denna gång, forskarna lyckades återställa de representativa 3D-strukturerna. Denna forskning har möjliggjort klassificeringen av nanopartiklar i fyra huvudformer, och bekräftade att cirka 40 % av dem hade liknande strukturer.

Dessutom, genom kvantitativ analys av den återställda 3D-strukturen, det internationella forskningssamarbetet upptäckte också den interna elastiska töjningsfördelningen åtföljd av nanopartiklarnas karakteristiska polyhedronstruktur och den inhomogena densitetsfördelningen.

"Dessa fynd möjliggör observation av 3D-struktur av icke-kristallina virala prover med inhomogent fördelade inre molekyler, ", förklarade professor Changyong Song vid POSTECH. "Att lägga till 3D-bildåterställningsalgoritmen till detta genom maskininlärning visar lovande att kunna tillämpas på studier av makromolekylstrukturer eller virus i levande organismer."