免疫光子学--光子学理论与技术在免疫可视化与治疗研究中的应用

回顾免疫学发展史,每一次研究手段的重大突破与创新都极大地促进了免疫学科的发展.近10多年来,光学分子成像技术飞速发展,以其多色、时空动态、高分辨、跨尺度等优点,为直观可视化描述机体内复杂的细胞与分子事件提供了有效的手段.免疫学的系统化整合性研究已成为发展的大趋势,要真正解决免疫学重大科学问题需要依赖于多学科的密切交叉与合作.在此背景之下,免疫光子学这一交叉学科悄然兴起.

肝脏免疫的活体显微光学成像研究进展

光学分子成像技术是在活体复杂的组织区域环境内细胞形态、运动与功能研究的最佳手段之一,极大地推进了免疫学的发展.肝脏是机体新陈代谢和解毒的重要器官,也被视为一个免疫器官.解析肝脏免疫基本特性和功能,对防治肝脏疾病以及全身性相关疾病具有重要意义.活体可视化研究肝脏区域生理或者病理状态下免疫应答,提供关键事件的多细胞参与及其彼此交互的时空动态信息,能极大地丰富对肝脏独特免疫反应的认知.本文将重点阐述目前活体肝脏成像的技术与方法以及光学显微成像技术,例如多光子激发显微成像与转盘共聚焦成像在肝脏免疫中的应用,并展望活体肝脏成像今后的发展方向和面临的机遇与挑战.

多光谱成像技术及其在生物医学中的应用

多光谱成像(MSI)融合了光谱技术与成像技术,可并行获取探测目标的光谱特征和空间信息。由于采用非侵入式的成像方式,该技术在生物医学领域有很多重要的应用。介绍了多光谱成像的基本原理与技术发展,并从病理研究、手术引导、生物识别等三个方面对其应用进行简要综述。

神经元形态重建工具的研究进展

近年来,分子标记和显微光学成像技术的系列突破,使得单细胞分辨的全脑尺度神经群落成像成为现实.然而,现有神经元形态重建工具的发展速度远远滞后于海量数据的产生速度,难以满足现阶段成像数据的分析需求.在此背景下,我们首先分析了神经元形态重建工具发展滞后的原因,简述现有半自动和全自动神经元形态重建工具的特点和最新发展,并结合现有工具的特点分析其向高通量、高准确度重建工具发展时面临的挑战.最后,我们对未来形态重建工具的发展趋势及应用前景做出展望.

生物组织黏弹性激光散斑检测方法研究进展

生物组织的黏性和弹性在许多疾病发生和发展的过程中会发生改变,因此检测生物组织黏弹性对疾病诊疗具有重要意义。基于此,介绍了基于激光散斑技术的生物组织黏弹性测量方法。从弹性波调制下的激光散斑衬比变化,布朗运动下的光强自相关函数和低频交变应力作用下的散斑位移3个方面,分别介绍生物组织黏弹性激光散斑检测的理论基础和研究现状。

基于sCMOS相机的超分辨定位成像技术

超分辨定位成像是一种代表性的超分辨成像技术,弱光探测器是该技术不可或缺的组成部分。和传统的串行输出EMCCD相机相比,并行输出sCMOS相机具备成像视场大、成像速度快和读出噪声低等优点,为超分辨定位成像带来了新的机遇,可在视频速率成像和大视场成像中取得明显成效。基于sCMOS相机的超分辨定位成像技术面临着高速相机带来的海量数据,需要解决数据传输、存储和计算等多环节的问题。从超分辨成像技术及相机的发展着手,讨论了基于sCMOS相机的超分辨定位成像技术的发展现状以及面临的机遇与挑战。

β淀粉样蛋白斑块的高分辨全脑三维定量研究

中枢神经系统中β淀粉样蛋白斑块是阿尔兹海默症的主要病理特征之一,其负荷和数目的变化是病程发展的重要标志.已有研究主要是对局部脑组织进行二维切片成像,尚缺少在全脑三维空间对斑块进行高分辨率定量分析的研究方法.本文建立了适用于哺乳动物三维完整脑内β淀粉样蛋白斑块定量分析策略,包括全脑斑块快速荧光染色方法、基于荧光显微光学切片断层成像技术的高分辨全脑数据获取,以及斑块自动定位、统计数目等.与免疫组化染色比较,证明本方法对直径大于10μm的斑块检出率为97.71%±0.18%.并以0.32μm×0.32μm×2μm的成像分辨率,获取了5XFAD转基因小鼠全脑Aβ斑块分布数据集,首次以脑区/核团的三维轮廓划分出立体区域,定量统计了90个亚区内Aβ斑块的数量及分布密度.本文建立的快速、精准、价廉的方法将有助于全面高效地研究阿尔兹海默症致病机理和药效评估.

三维显微图像的分辨率评估方法及应用

现有分辨率评估方法,如瑞利判据、阿贝判据、半峰全宽方法等都具有一定的应用局限性。本文采用基于切片傅里叶壳层相关(sFSC)的频域分辨率评估方法来评估系统的实际成像能力,该方法对分辨率的评估结果仅取决于图像质量,不受系统成像理论的影响,是一种客观、直接的计算方法。它将傅里叶壳层分成楔形壳层对,每个选择器都是一对镜像楔形,以改善由三维荧光成像各向异性带来的分辨率评估问题。实验结果表明,sFSC可作为一种无参考三维图像分辨率评估方法,且利用sFSC方法的分辨率结果所拟合的三维高斯点扩展函数(PSF)进行图像反卷积操作,能有效恢复图像纹理细节,提高图像信噪比,且相比于其他PSF估计方法,sFSC方法具有更好的性能。

神经元形态重建进展及趋势

神经元形态重建是指从图像中挖掘表征神经纤维特征的量化数据.该技术在神经元类型识别、神经回路绘制、脑图谱构建等众多脑科学基础研究中发挥重要应用,也会为人工智能领域的多项研究提供有益借鉴.近年来,分子标记和成像技术的系列进展将全脑尺度神经元网络研究推向前所未有的尺度,但也对现有神经元形态重建方法提出若干挑战.在此背景下,本文简述国内外神经元形态重建研究现状和经典方法,论述单神经元重建到神经群落重建是领域发展的必然趋势,并对神经元形态重建的未来发展方向做出展望.上述内容有助于我国研究者迅速了解神经元形态重建领域的最新动向,发展与现有数据特点相匹配的神经元形态重建方法.