Een team van bio-engineeringonderzoekers van de Urbana-Champaign van de Universiteit van Illinois heeft een algoritme geïntroduceerd, adaptive intersection maximization, of AIM genaamd, dat hoogfrequente ruis veel sneller uit optische microscoopgegevens met superresolutie verwijdert dan standaardmethoden en resulteert in veel hogere beeldresoluties .

Het algoritme zal wetenschappers in staat stellen chemische en biologische systemen veel gemakkelijker en nauwkeuriger te bestuderen dan voorheen mogelijk was. Dit onderzoek is gepubliceerd in het tijdschrift Science Advances.

"In eerste instantie wilden we gewoon een snel algoritme ontwikkelen omdat ons laboratorium te veel gegevens produceert voor traditionele algoritmen, maar we ontdekten dat AIM ook sub-nanometerprecisie kan bereiken, wat ongehoord is in ons vakgebied", zegt Hongqiang Ma. , een onderzoeksprofessor in bio-engineering en hoofdauteur van het onderzoek. "Bovendien vereist het geen enorme rekenkracht zoals traditionele tools. Het kan op een laptop draaien. We willen er een plug-and-play-tool van maken voor alle microscoopgebruikers."

In de afgelopen decennia heeft de lokalisatiemicroscopietechniek met één molecuul wetenschappers in staat gesteld structuren op moleculaire schaal te visualiseren, waarmee de fundamentele beperking van optische microscopen wordt overtroffen. In de praktijk wordt dit echter beperkt door oncontroleerbare ruis, oftewel 'drift', waardoor de beelden feitelijk onscherp worden en wordt voorkomen dat microscopie met superresolutie de hoogste resolutie bereikt.

"Lokalisatie van één molecuul maakt eigenlijk gebruik van een vrij eenvoudig instrument, maar het lastige deel dat echt van invloed is op de beeldresolutie is drift", zegt Yang Liu, professor bio-ingenieur en projectleider. "Veel onderzoekers verwijderen alleen de laagfrequente drift. Het verwijderen van de hoogfrequente drift - minieme trillingen veroorzaakt door omgevingsgeluid - is rekenintensief en vereist grote hoeveelheden tijd en middelen."

Standaardmethoden voor het verwijderen van drift zijn gebaseerd op de wiskundige correlaties tussen beeldframes. Volgens Liu genereren de microscopen in haar laboratorium zo'n grote hoeveelheid beeldgegevens dat beeldcorrelatiemethoden dagen in beslag nemen, zelfs met behulp van supercomputers.

AIM vergelijkt ook aangrenzende frames, maar gaat verder door elk datapunt in het midden van een cirkel te plaatsen (gedefinieerd door lokalisatieprecisie) en te zoeken naar punten binnen die cirkel in andere frames. Overlappende punten binnen de "snijdingsstraal" worden gecondenseerd tot één enkele lokalisatie. Vervolgens wordt het proces nog een keer herhaald met de gecondenseerde punten. Deze stappen gebruiken minimale computerbronnen en zijn sneller dan de acquisitietijd van een microscoopcamera. Dus drift-gecorrigeerde beelden kunnen worden geproduceerd in wat feitelijk realtime is.

De onderzoekers testten AIM met behulp van zowel gesimuleerde gegevens als structuren, DNA-origami genaamd, die goed gedefinieerde kenmerken hebben. Het algoritme heeft de structuren met succes gelokaliseerd en de mate van precisie, minder dan 1 nanometer, bleek veel hoger te zijn dan de standaard beeldcorrelatiemethoden, ongeveer 10 nanometer.

Liu's laboratorium zal AIM integreren in high-throughput microscopietechnieken die worden ontwikkeld voor verbeterde ziektedetectie. Liu gelooft echter ook dat het algoritme toepassingen zal vinden in de biologie en bio-engineering. "Het is een snelle en gebruiksvriendelijke tool en we willen deze breed toegankelijk maken voor de hele gemeenschap", zei ze. "We maken onze software openbaar toegankelijk. We willen dat mensen een boost in hun beeldresolutie krijgen, alleen al door dit ene stukje nabewerking."

Meer informatie: Hongqiang Ma et al, Op weg naar driftvrije nanoscopie met hoge doorvoer door middel van adaptieve kruispuntmaximalisatie, Wetenschappelijke vooruitgang (2024). DOI:10.1126/sciadv.adm7765

Journaalinformatie: Wetenschappelijke vooruitgang

Aangeboden door Grainger College of Engineering van de Universiteit van Illinois