纳米尺度下的单粒子追踪，厦门大学方宁团队用 AI 奏响「细胞里的摇滚」
内容提要
科学家们开发了一种自动化、高速、多维的单粒子追踪系统，可以实时、精确地追踪活细胞内分子的运动。该系统通过深度学习算法克服了低信噪比条件下的旋转跟踪的局限性，并具备高定位精度和时空分辨率。研究结果表明，该系统在活细胞内的货物运动研究中表现出更好的鲁棒性和抗噪性能。该研究为了解活细胞的动态过程提供了新的角度。
延伸解读
技术突破：从位移到旋转的追踪
传统单粒子追踪主要关注三维位移，而方宁团队的系统首次实现了对活细胞内纳米颗粒旋转运动的观测。通过双焦平面成像和视差显微镜，结合深度学习算法，该系统能在低信噪比下精确追踪各向异性金纳米颗粒的三维方向，定位精度小于10纳米，时间分辨率达0.9毫秒。这为研究分子旋转动力学提供了新工具。
深度学习模型的设计与优势
研究团队构建的卷积神经网络包含4个卷积块和3个全连接层，通过混合模拟与实验数据训练，增强了模型的泛化能力。在信噪比低至1.4时，传统CC方法已无法分辨粒子方向，而CNN模型仍保持可接受的误差，表现出更强的抗噪性和鲁棒性。这得益于卷积块对多层图像特征的有效提取。
在货物运输研究中的验证
团队利用该系统观察了驱动蛋白沿微管运输货物的动态过程，发现货物经历两个暂停阶段和多个主动运输阶段。在暂停阶段，货物旋转自由度小，表明紧密附着；在主动运输阶段，系统记录了约300纳米的轴向位移，这是传统方法难以捕捉的。这些细节揭示了货物-马达-微管相互作用的动态复杂性。
未来方向：AI与药物递送预测
方宁教授团队将AI辅助成像分为三个阶段：图像自动识别、运动模式分类和预测。目前已完成第一阶段，正在推进第二阶段。未来若三个阶段全部实现，或能预测药物递送的进程与结果，这将对国内制药行业产生重要影响。该研究为AI在光学成像领域的应用迈出了关键一步。
Q&A
厦门大学方宁教授团队开发的单粒子追踪系统有什么特点？
该系统是自动化、高速、多维的，能够实时、精确地追踪活细胞内分子的运动，具备高定位精度和时空分辨率。
深度学习算法在单粒子追踪系统中起到什么作用？
深度学习算法克服了低信噪比条件下的旋转跟踪局限性，提高了系统的抗噪性和鲁棒性。
该研究如何提高了活细胞成像的精度？
通过集成双焦平面成像、视差显微镜和自动追踪功能，系统实现了高定位精度和时空分辨率。
方宁教授团队的研究对药物递送有什么潜在影响？
研究成果可能帮助预测药物递送的进程与结果，推动制药行业的发展。
该系统在活细胞内的货物运动研究中表现如何？
系统在货物运动研究中表现出更好的鲁棒性和抗噪性能，能够有效追踪货物的动态过程。
方宁教授的研究团队在光学成像领域有哪些贡献？
团队在单分子、单颗粒的研究方面取得了显著成果，开发了多种先进的成像技术。
