【ZiDongHua 之自動化學(xué)院派收錄關(guān)鍵詞：廈門大學(xué)  生命科學(xué)領(lǐng)域  生物醫(yī)藥    】
　　
　　科學(xué)家用AI輔助活細胞單粒子追蹤，自動化解析藥物遞送工作機制，促進全流程自動化藥物遞送
 
　　
　　當納米顆粒追蹤成像技術(shù)中加入 AI 技術(shù)，會取得怎樣的顯著進步呢？
　　
　　近期，廈門大學(xué)方寧教授團隊基于深度學(xué)習(xí)研發(fā)了一種自動化、高速、多維的單粒子追蹤（single particle tracking，SPT）系統(tǒng)，打破了細胞微環(huán)境中納米顆粒旋轉(zhuǎn)追蹤的局限性。
　　
　　通過深度學(xué)習(xí)能夠?qū)W習(xí)、提取復(fù)雜圖像和序列數(shù)據(jù)中的特征，從而實現(xiàn)在納米尺度下，全方位、精準追蹤活細胞內(nèi)單分子/單個納米顆粒。不僅追蹤了在三維空間的位移，還首次觀測到分子/納米顆粒的旋轉(zhuǎn)運動。
　　
　　需要了解的是，在生物醫(yī)學(xué)領(lǐng)域，通過控制納米顆粒的旋轉(zhuǎn)運動，能夠?qū)崿F(xiàn)對細胞和生物分子的操控和檢測。實際上，納米顆粒的旋轉(zhuǎn)運動與諸多重要的生物過程密切相關(guān)，例如在生物傳感器中作為探針，用于納米藥物傳遞以及解析進入細胞的機制等。
 
　　
　　圖丨方寧（來源：方寧）
　　
　　該方法在成像研究中具有廣泛的應(yīng)用，例如探究復(fù)雜環(huán)境中探針的旋轉(zhuǎn)和平移等行為。在樣品制備完成條件下，可實現(xiàn)從儀器數(shù)據(jù)處理到解析的自動化流程，為未來實現(xiàn)完整的自動化藥物遞送全流程奠定基礎(chǔ)，并為高速篩選藥物的遞送研究和制藥生產(chǎn)線提供全新的方案。
　　
　　審稿人對該研究評價稱：“作者介紹了一種自動化、高速、多維的 SPT 系統(tǒng)，用于追蹤活細胞內(nèi)各向異性金納米探針的三維取向。特別是，他們詳細解釋了訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）的數(shù)據(jù)集構(gòu)建和預(yù)處理方法。通過這種方式，展示了訓(xùn)練有效模型的能力。”
　　
　　近日，相關(guān)論文以《深度學(xué)習(xí)輔助的活細胞自動多維單粒子追蹤》（Deep Learning-Assisted Automated Multidimensional Single Particle Tracking in Living Cells）為題發(fā)表在 Nano Letters[1]。
　　
　　廈門大學(xué)博士研究生宋東良、張欣為共同第一作者，廈門大學(xué)方寧教授、溫州醫(yī)科大學(xué)程曉東博士和美國百時美施貴寶公司高級研究員李界明擔任共同通訊作者。
　　
　　圖丨相關(guān)論文（來源：Nano Letters）
　　
　　同時追蹤活細胞八個維度信息
　　
　　傳統(tǒng)的單顆粒追蹤方法通常僅能處理二維平面或時間序列數(shù)據(jù)。在常規(guī)的實驗條件下，由于納米顆粒尺寸極小，在細胞環(huán)境或組織環(huán)境中信號比較弱，無法看到它的旋轉(zhuǎn)運動過程。并且，用理論解析得到的相關(guān)信號不僅效率低，而且很容易存在人為誤差。
　　
　　方寧指出，“如果我們能夠?qū)崟r探測到探針受到限制過程的變化趨勢，就可以知道它具體受到了怎樣的限制。”
　　
　　為解決上述問題，該課題組開發(fā)了一種與深度學(xué)習(xí)算法集成的自動化、高速、多維 SPT 系統(tǒng)，用于以高定位精度（<10nm）和時間分辨率（最快 0.9ms），來跟蹤活細胞中各向異性金納米粒子探針的 3D 取向，克服了在低信噪比條件下旋轉(zhuǎn)跟蹤的局限性。
 
 
　　
　　圖丨整體思路示意圖（來源：Nano Letters）
　　
　　該課題組將 AI 引入到復(fù)雜的實驗中，來幫助和替代以往人工干預(yù)以及人工判斷的過程，對復(fù)雜細胞環(huán)境的運動過程自動識別和分類，追蹤目標探針和直接解析藥物遞送顆粒的機制。
　　
　　在 SPT 實驗中，通過揭示各向異性光學(xué)納米探針的平移和旋轉(zhuǎn)動力學(xué)，能夠提供細胞活動的分子水平信息。
　　
　　該方法可以在 S/N 約為 4 的情況下，在實驗和模擬數(shù)據(jù)上求解方位角（0°-360°）和極角（0°-90°），誤差小于 2°。即使當 S/N 接近 1 的極限時，該方法仍然比傳統(tǒng)的模式匹配方法保持更好的魯棒性和抗噪聲性。
　　
　　圖丨（a）自動高速多維SPT成像裝置示意圖；（b）評估自動跟蹤系統(tǒng)對采樣臺雙向運動的響應(yīng)；（c）通過二維橢圓高斯擬合得到了系統(tǒng)的橫向定位精度（來源：Nano Letters）
　　
　　值得關(guān)注的是，在該研究中，研究人員實現(xiàn)了包括空間、時間和熒光強度等在內(nèi)的多維度成像。方寧指出，“這個實驗是迄今為止最復(fù)雜的細胞成像實驗，我們實現(xiàn)了八個維度的同時成像。”  
　　
　　通過對活細胞內(nèi)沿微管運輸?shù)乃幬镞f送過程展開實驗，證明了多維 SPT 系統(tǒng)的有效性。該研究涉及大量的學(xué)科交叉，包括光學(xué)成像、硬件搭建、AI 算法設(shè)計、程序數(shù)據(jù)分析等。“在該研究中，宋東良同學(xué)做了大量的工作，并將各學(xué)科融會貫通。”方寧表示。
　　
　　向單分子診療、藥物遞送及精準醫(yī)療等方向推進發(fā)展
　　
　　據(jù)介紹，該團隊對于將 AI 引入實驗劃分為三個階段，分別是對圖像的自動識別、運動模式及細胞行為的分類以及預(yù)測。
　　
　　在該研究中已經(jīng)完成了第一階段，也就是基于計算模擬生成的數(shù)據(jù)對圖像自動識別。目前，他們即將完成第二階段，即對細胞過程進行追蹤并依據(jù)運動模式分類。
　　
　　方寧舉例說道：“比如在細胞里納米藥物遞送穿過細胞膜，被傳輸?shù)阶罱K的目標位置，釋放過程會經(jīng)歷不同的階段。因此它的分子行為也不同，該階段以能夠自動識別細胞的分類運動情況為目標。”
　　
　　在第二階段中，除了圖像識別，還需要大量的信息判定，因此需要深度學(xué)習(xí)將細胞中的整個生物過程作為訓(xùn)練集。據(jù)介紹，目前該課題組正在使用實驗室過去十幾年的數(shù)據(jù)進行訓(xùn)練。
　　
　　第三階段是運動模式分類的基礎(chǔ)上，對藥物遞送的進程與結(jié)果進行預(yù)測。方寧表示：“在通過各種顯微鏡或電鏡等獲得海量數(shù)據(jù)后，我們可以通過 AI 分析大規(guī)模數(shù)據(jù)集和活細胞的實時動態(tài)，這對制藥行業(yè)來說非常有意義。”
　　
　　目前，雖然國內(nèi)已有很多分子診斷的相關(guān)應(yīng)用，但用成像技術(shù)進行單分子追蹤仍然處于空白的階段。
　　
　　而在國外，單分子醫(yī)學(xué)診療領(lǐng)域已經(jīng)有公司進入商業(yè)化階段。2022 年，美國單分子追蹤公司 Eikon Therapeutics 獲得超過 5 億美元的融資。
　　
　　在現(xiàn)階段，這項技術(shù)的直接產(chǎn)品是科學(xué)儀器，此前研究人員已申請相關(guān)國際專利。據(jù)悉，未來該團隊計劃將結(jié)合更多藥廠的藥物遞送體系相關(guān)數(shù)據(jù)，以包含藥物效果評判的過程和全流程。
　　
　　從科學(xué)儀器的角度來看，這種儀器方法已經(jīng)在單分子/單顆粒成像領(lǐng)域產(chǎn)生一些比較顯著的影響。“我希望該技術(shù)不是僅停留在實驗室，而是推動向新型單分子診療、納米藥物遞送以及精準醫(yī)療等方向發(fā)展，目前我們也在推進相關(guān)合作。”  方寧表示。
　　
　　“歷盡千帆，歸來仍是少年”
　　
　　方寧本科畢業(yè)于廈門大學(xué)，在加拿大英屬哥倫比亞大學(xué)獲得博士學(xué)位后，于美國能源部埃姆斯國家實驗室及愛荷華州立大學(xué)從事博士后研究。之后，他分別在美國愛荷華州立大學(xué)擔任助理教授和美國佐治亞州立大學(xué)擔任教授。
　　
　　2021 年，方寧作為特聘教授和祥華講座教授全職加入母校廈門大學(xué)，目前團隊成員 30 余人，以生物和化學(xué)光學(xué)成像為重點研究方向，包括：光學(xué)成像儀器開發(fā)和應(yīng)用、單顆粒旋轉(zhuǎn)追蹤技術(shù)和單分子化學(xué)成像等。
　　
　　談及回國任職，方寧感慨道：“雖然在美國各方面科研條件都不錯，但我認為在 45 歲之前回到祖國是一個黃金契機，還有很多時間去做更多事情?；氐轿业哪感B大，對我來說是一種榮譽。”
　　
　　此前，方寧帶領(lǐng)課題組針對難以在活細胞中測量關(guān)鍵生物分子構(gòu)象轉(zhuǎn)化動態(tài)過程的問題，首次在實驗上解決了領(lǐng)域內(nèi)的爭議。他們開發(fā)全新的單粒子旋轉(zhuǎn)追蹤系統(tǒng)，率先在活細胞中觀察囊泡沿著縊斷蛋白螺旋手性方向的定向旋轉(zhuǎn)，在闡明受體介導(dǎo)內(nèi)吞機制方面取得突破性進展[2]。
　　
　　德國國家科學(xué)院院士、法國巴黎居里研究所盧德格爾·約翰內(nèi)斯（Ludger Johannes）教授在 Nature Cell Biology 對上述研究評論道：“這種方法代表了技術(shù)上的杰作，”并特別指出，“除了對了解細胞背景中縊斷蛋白功能的分子機制做出貢獻外，目前的研究更普遍地強調(diào)了角度敏感顯微鏡技術(shù)的力量，以及這些技術(shù)可能在膜生物學(xué)領(lǐng)域做出的更大貢獻[3]。”
　　
　　為了動態(tài)監(jiān)控蛋白時空分布與蛋白間相互作用，該團隊開發(fā)可自動三維聚焦、高空間和角度分辨率的單粒子追蹤技術(shù)，通過理論推導(dǎo)半平面點擴散函數(shù)仿真模擬與角度相關(guān)的單粒子離焦圖案來解析三維角度，實時解析囊泡在細胞中運輸?shù)男D(zhuǎn)動力學(xué)，發(fā)現(xiàn)馬達蛋白-囊泡-細胞微管相互作用的新模式[4]。
　　
　　美國科學(xué)院院士、美國賓夕法尼亞大學(xué)耶爾·E·高德曼（Yale E. Goldman）教授在 Biophysical Journal 特別指出：“這種智能的光學(xué)和分析方法可直接應(yīng)用于其他細胞內(nèi)物質(zhì)，或由其他實驗室用以高分辨率空間角度成像。未來這類研究有望揭示分子馬達活動和細胞內(nèi)貨物的靶向運輸之間令人困惑的關(guān)系[5]。”
　　
　　程曉東表示，這次的新研究是使用深度學(xué)習(xí)/AI 輔助成像對活細胞生命過程研究的第一步。未來希望在 AI 的幫助下，能夠使用多維成像技術(shù)實現(xiàn)對蛋白功能和細胞行為的解析和預(yù)測。
　　
　　與“開著一輛擁有自動駕駛感知能力的汽車”類似，“當該探針在細胞中運動時，可以根據(jù)它的行為分析和判斷周圍環(huán)境，并對下一步的可能性進行預(yù)測。”他說。
　　
　　方寧認為，在 AI 技術(shù)的加持下，該方法將推動實驗和儀器的進一步的發(fā)展。“原來只有科研實驗室才能夠用得起、用得上。未來我們會將技術(shù)商業(yè)化，并拓展到制藥領(lǐng)域。”