广东省基础与应用基础研究基金区域联合基金项目

本项目的总体目标是开发一套可在细胞内原位实时观测分子活动的高精度、大通量超分辨显微
成像方法并搭建相应的硬件系统，通过设计自适应光学模块以矫正样品厚度引起的像差，利用
深度学习技术反演优化成像模型并将优化结果加载到成像系统上，从而进一步提高现有单分子
定位显微方法的精度与准确率，使其成为细胞原位环境内观测基因表达、蛋白质相互作用、细
胞间通信等生命活动的有力工具。
主要研究内容包括：
（1）更加精确全面的PSF理论建模和实验校准：与常用的在像平面进行高斯拟合或样条插值的
建模方法不同，本项目将从荧光激发的光物理过程着手，使用目前最准确的矢量理论分析显微
光学系统的成像过程，综合考虑厚样品环境、像差、背景、相机噪声以及单分子发光机制的多
态模型等，建立起一个全面的、精准的PSF理论模型。对于部分参数的不确定性，开发一种利用
深度学习方法如生成对抗网络来反演模型参数的方法，从而实现跨平台的快速实验校准功能。
（2）高精度单分子定位的深度学习方案设计：由于单分子定位显微技术的最终目的是获得高精
度的超分辨三维显微图像，因此对神经网络的定位预测精度要求非常高，本项目将结合申请人
之前发表的冠军算法软件（Nat. Methods, 2018, 15, 367）与深度学习技术，设计一种全新的
单分子定位网络架构，在实现细胞内原位分子的准确定位同时做到像素级背景、光子数的预测
。构造一种融合CRLB和通用分子定位评价指标的损失函数。并尝试增加网络输出通道数，比如
设计像差系数通道等，同时进一步研究超分辨显微成像的无监督学习方案，克服目前领域内实
验数据缺少精确标签的难点，实现厚样品环境中的高密度超分辨成像。
（3）全自动化、高内涵的自适应超分辨显微系统：开发一套高集成度、全自动化的自适应超分
辨成像系统，用于高通量的实验数据采集。设计自适应光学模块，以实现对厚样品成像中的像
差校正。设计硬件时赋予系统一定的灵活度，使部分光学元件可控可调，配合利用深度学习技
术优化单分子成像模型的算法，尽可能地挖掘单分子成像的内涵信息，并将优化结果通过可变
形镜实现在拟搭建的自适应显微成像系统中。出于显微成像系统的自动化控制需要，根据现有
基础开发系统控制软件，可根据用户使用成像系统时的具体操作对各个模块之间进行交互。通
过软件界面配置显微镜参数，如激光强度、滤光轮、聚焦位置以及镜头的位置等，并通过参数
预先设定实现焦平面锁定系统。