基于神经网络原理的荧光寿命成像研究

荧光寿命成像技术(fluorescence lifetime imaging,FLIM)是一种新颖且功能强大的、能用于复杂生物组织和细胞结构与功能分析的生物组织成像技术。传统的时域荧光寿命成像数据分析方法,由于没有考虑荧光分子团之间以及他们与周围环境的相互作用,可能导致复杂的连续分布荧光寿命这一实际情况,因此对生物组织中自发荧光发光强度衰减过程的实验数据拟合效果欠佳。文章提出利用人工神经网络(artificial neural network,ANN)原理拟合算法来计算生物荧光分子团衰减动力过程,该方法能有效地建立生物荧光分子团衰减动力过程的非线性模型,并且具有处理非线性模型能力强、鲁棒性好、拟合精度高和所需计算时间少等优点。通过计算证明,相对于单参量指数与多参量指数衰减函数,这种数据拟合方法对于某些荧光分子团的多槽基面效价测定样品(multi-well plate assays)的数据有更好的一致性和更小的计算量。同时在文章中讨论了将该拟合算法应用于荧光寿命成像的前景。

拟威布尔分布密度函数在荧光寿命成像数据分析中的应用

荧光寿命法成像技术(FLIM)是一种非常有效、功能强大且能用来分析复杂生物组织和细胞分子的成像技术。传统的荧光寿命成像的数据分析,按某些具有不同寿命、离散的单参量指数模型来描述荧光衰减过程。在生物组织这样既复杂又不均匀的样品中,虽然多参量指数模型能提供比单参量指数模型对实验数据更好的拟合效果,但是离散多参量的假定往往是随意的。提出了拟威布尔分布密度函数可能是生物荧光分子团衰减动力过程的真实再现,并且通过计算证明,对于某些生化感兴趣的荧光分子团的多槽基面效价测定样品的数据,相对于单参量指数与多参量指数衰减函数有更好的一致性。同时讨论了将该荧光衰减模型应用于荧光寿命成像的前景。