基于定位数据的全景超分辨图像交互可视化框架

超分辨定位成像和全景数字病理结合,为研究人员观察整个样本的亚细胞结构提供了有力工具,同时也带来了全景超分辨图像海量数据可视化的挑战.然而,现有的超分辨图像可视化方法无法处理大规模定位数据、不能提供高分辨全景图像和无法交互可视化全景图像.针对以上问题,提出了一个基于定位数据的全景超分辨图像交互可视化框架,称为PNanoViewer,旨在普通计算机上实现大规模定位数据的快速交互可视化.该框架基于随机采样策略构建定位数据的多分辨率层级结构,以交互方式可视化多尺度全景超分辨图像;同时采用分块策略和多线程并行策略,分批次处理大规模定位数据,既防止内存溢出又加快了处理速度.从数千万到数亿个定位点数据集上的实验结果表明,PNanoViewer框架能够可视化任意规模的定位数据.将该框架与目前3种流行的超分辨图像可视化方法PALMsiever,ThunderSTORM,QCSTORM从数据量、分辨率和速度3个方面进行对比,PNanoViewer都具有明显优势.同时也为大规模定位数据的可视化提供了一个有益的探索.

多靶点全景数字病理:从原理到应用

数字病理凭借其便捷的存储、管理、浏览、传输等特点,为远程病理会诊及联合会诊带来了新契机。然而,显微镜的视场有限,在保证分辨率的前提下,无法兼顾全景成像。全景数字病理的提出弥补了这一缺陷,其在保证分辨率的同时可兼顾全景成像。但单张切片仅能实现单靶点检测,而疾病诊断需同时观测多个靶点的表达情况。近年来,多靶点全景数字病理技术发展迅速,因其在药物研发、临床科研以及基础科研等领域有巨大的应用潜力而广受关注。该系统凭借视场大、颜色多、通量高的特点,可在短时间内原位检测整张组织切片上的多种生物标记物的表达情况,借以识别组织上每个细胞表型、丰度、状态及其相互关系。本文首先梳理了数字病理、全景数字病理以及多靶点全景数字病理的发展过程,并简要介绍发展过程中技术的更新迭代,以及发展多靶点全景数字病理的重要性。然后,分别从生物样本准备、多色光学成像以及图像处理3个部分重点介绍多靶点全景数字病理。接下来,阐述了多靶点全景数字病理在肿瘤微环境与肿瘤分子分型等生物医学领域的应用情况。最后,对多靶点全景数字病理的技术优势、目前面临的挑战及其未来的发展趋势进行了总结。