Multimodalne nieliniowe hiperspektralne obrazowanie chemiczne przy użyciu mikroskopii generacji drgań i częstotliwości ze skanowaniem liniowym
1 grudnia 2023
Multimodalny, szybki system obrazowania hiperspektralnego został opracowany w celu uzyskania szerokopasmowych obrazów generowania oscylacyjnej sumy częstotliwości (VSFG), wraz z modalnościami obrazowania jasnego pola i generacji drugiej harmonicznej (SHG). Ze względu na to, że częstotliwość podczerwieni rezonansuje z drganiami molekularnymi, ujawnia się mikroskopijna wiedza o morfologii strukturalnej i mezoskopowej próbek dopuszczonych do symetrii.
Naszym celem jest zbadanie mezoskopowo niejednorodnych próbek samoorganizujących się, takich jak tkanki biologiczne, w celu ujawnienia ich składu chemicznego i układów molekularnych. Badamy, w jaki sposób mikroskopijny układ i mezoskopowa morfologia tych materiałów własnych odnoszą się do ich mikroskopijnych właściwości. Dzięki postępom w zakresie obiektywów mikroskopowych o dużej aperturze numerycznej i odbiciu, wraz z innymi zademonstrowaliśmy oscylacyjny mikroskop generujący o sumie częstotliwości o rozdzielczości jednego mikrona kwadratowego, który może jednocześnie rejestrować obrazy miękkich materiałów, a także przestrzennie rozdzielać widmo, tworząc tak zwane obrazy hiperspektralne.
Obrazowanie hiperspektralne rejestruje dane eksperymentalne w wielu wymiarach, dwa w przestrzeniach, jeden w częstotliwości i ewentualnie jeden w czasie. Jednak szybkie gromadzenie, przechowywanie i analizowanie tak dużych zbiorów danych w celu maksymalizacji informacji pozostaje wyzwaniem. Próbkowanie obrazu tylko w celu zebrania przydatnych punktów danych jest również trudne.
Opracowując szybszą technologię skanowania liniowego, mogliśmy 100-krotnie przyspieszyć czas pozyskiwania danych. Ponadto mikroskop jest kompatybilny z generacją częstotliwości sumarycznej (SFG), generacją drugiej harmonicznej (SHG), a także z obrazowaniem szerokokątnym. Obrazowanie multimodalne umożliwia szybką inspekcję próbek za pomocą obrazowania optycznego i korelacji różnych modalności obrazowania.
Obrazowanie SHG wspomaga technikę optyczną naszej techniki, ale bez spektralnej zdolności rozdzielczej, jest szeroko stosowane w biofizyce. Nasz mikroskop SFG będzie teraz w stanie dostarczyć potężnych informacji na poziomie molekularnym, których obecnie brakuje w badaniach biofizycznych tkanek miękkich.
Wyświetl pełny transkrypt i uzyskaj dostęp do tysięcy filmów naukowych
Przegląd
Niniejsza praca przedstawia multimodalny system obrazowania hiperspektralnego, zaprojektowany do rejestracji szerokopasmowych obrazów generacji sumy częstotliwości wibracyjnych (VSFG) wraz z obrazowaniem w polu jasnym oraz generacją drugiej harmonicznej (SHG). Celem opracowanego systemu jest pogłębienie zrozumienia struktur mikroskopowych i mezoskopowych w samorganizujących się tkankach biologicznych.
Kluczowe elementy badania
Dziedzina nauki
- Neuronauka
- Biofizyka
- Techniki obrazowania
Wstęp
- Próbki samoporządkujące wykazują heterogeniczność mezoskopową.
- Zrozumienie składu chemicznego i organizacji molekularnej jest kluczowe.
- Postępy w mikroskopii poprawiły rozdzielczość i możliwości obrazowania.
- Obrazowanie hiperspektralne rejestruje dane w wielu wymiarach.
Cel badania
- Zbadanie zależności między rozmieszczeniem mikroskopowym a morfologią mezoskopową.
- Udoskonalenie obrazowania materiałów miękkich w wysokich rozdzielczościach.
- Rozwiązanie problemów związanych z gromadzeniem i analizą danych w obrazowaniu hiperspektralnym.
Zastosowane metody
- Opracowanie multimodalnego układu obrazowania.
- Wykorzystanie mikroskopii generacji sumy częstotliwości drgań.
- Symultaniczna rejestracja wielu modalności obrazowania.
- Techniki gromadzenia i analizy danych dla obrazów hiperspektralnych.
Główne wyniki
- Skuteczne pozyskanie szerokopasmowych obrazów VSFG.
- Zwiększona rozdzielczość w obrazowaniu samoorganizujących się tkanek biologicznych.
- Wnioski dotyczące charakterystyki strukturalnej i morfologicznej próbek.
- Identyfikacja wyzwań w zakresie zarządzania i analizy danych.
Wnioski
- Opracowany schemat znacząco rozszerza możliwości obrazowania.
- Dostarcza on cennych informacji na temat właściwości tkanek biologicznych.
- Dalsze prace skupią się na udoskonaleniu technik przetwarzania danych.
Najczęściej zadawane pytania
Znaczenie dla przemysłu
Multimodalowa nieliniowa hiperspektralna obrazowanie chemiczne z wykorzystaniem mikroskopii VSFG z szybkim skanowaniem linii umożliwia wysokorozdzielczą, bezznacznikową wizualizację heterogeniczności chemicznej i strukturalnej w tkankach biologicznych oraz materiałach samoporządkujących się. Możliwość ta wypełnia krytyczną lukę w rozdzielczości morfologii mezoskopowej i rozmieszczenia cząsteczek, zwiększając pewność prognostyczną w fazie wczesnego odkrywania i walidacji celów. Podejście to usprawnia podejmowanie decyzji dotyczących portfela badań, dostarczając wglądów na poziomie molekularnym, które nie są dostępne za pomocą konwencjonalnych modalności obrazowania.
Zastosowania strategiczne w badaniach i rozwoju biofarmaceutycznym
Wstępna faza odkrywania i walidacja celu
- Umożliwia bezpośrednią wizualizację struktur niecentrosymetrycznych i chiralnych istotnych dla celów biologicznych.
- Wspiera funkcjonalną walidację celów poprzez korelację składu chemicznego z morfologią mezoskopową.
- Zwiększa pewność predykcyjną w badaniach mechanistycznych tkanek miękkich i systemów samoorganizujących się.
Przesiewanie i opracowywanie testów
- Ułatwia przygotowanie zwalidowanych systemów biologicznych do dalszych etapów przesiewowych.
- Zapewnia ilościowe, rozdzielone przestrzennie informacje chemiczne do standaryzacji testów.
- Umożliwia powtarzalne obrazowanie niejednorodnych próbek, wspierając wiarygodną ocenę związków.
Badania translacyjne i przedkliniczne
- Umożliwia dopasowanie wyników obrazowania do istotnych dla choroby struktur tkankowych w badaniach nad biomarkerami translacyjnymi.
- Zapewnia ciągłość od etapu odkryć po walidację przedkliniczną poprzez rozstrzyganie rozmieszczenia cząsteczek in situ.
- Zmniejsza ryzyko biologiczne dzięki wyjaśnieniu zależności między strukturą a funkcją w złożonych próbkach.
Integracja potoku i przepływu pracy
Ta platforma obrazowania integruje procesy od wczesnych etapów odkrywania po badania przedkliniczne, łącząc testowanie hipotez, walidację celów oraz badania translacyjne.
- Biologia odkrywcza: Zapewnia obrazowanie chemiczne o wysokiej zawartości informacji, bez użycia znaczników, do testowania hipotez i wyjaśniania szlaków sygnałowych.
- Przesiewanie: Dostarcza powtarzalne, ilościowe wyniki w celu oceny gotowości testu i selekcji związków.
- Analityka: Generuje hiperspektralne zestawy danych umożliwiające rzetelne porównanie warunków i morfologii próbek.
- Badania translacyjne: Łączy obrazowanie molekularne z analizą tkanek istotnych dla przebiegu choroby, wspierając dopasowanie biomarkerów.
- Ponowne wykorzystanie w przedsiębiorstwie: Oferuje skalowalną, multimodalną zdolność obrazowania, którą można dostosować do różnych systemów biologicznych i materiałowych.
Wpływ operacyjny i przedsiębiorczy
- Wartość naukowa: Zwiększa pewność predykcyjną i redukuje niejednoznaczność mechanistyczną w walidacji celu.
- Wartość operacyjna: Przyspiesza pozyskiwanie danych i standaryzuje procesy obrazowania dla próbek heterogenicznych.
- Wartość strategiczna: Wspiera podejmowanie decyzji go/no-go i zwiększa efektywność kapitałową poprzez dostarczenie wglądów na poziomie molekularnym we wczesnej fazie procesu.
- Wpływ na portfolio: Wspiera priorytetyzację skorygowaną o ryzyko oraz rozwój programów odkrywczych i przedklinicznych.
Kwestie związane z wdrożeniem
- Wymaga wiedzy specjalistycznej w zakresie nieliniowego obrazowania optycznego i analizy danych hiperspektralnych.
- Wymaga zaawansowanej aparatury, w tym obiektywów o wysokiej aperturze numerycznej oraz technologii skanowania liniowego.
- Konieczna jest standaryzacja akwizycji i interpretacji danych pomiędzy zespołami.
- Metoda jest adaptowalna do różnych biologicznych i materiałowych systemów modelowych po odpowiedniej optymalizacji.
- Infrastruktura do zarządzania i analizy danych musi być dostosowana do wyzwań związanych z dużymi zbiorami danych hiperspektralnych.
