초해상도 광학 현미경으로 생명체의 가장 작은 구조 관찰

문광주 기자 / 기사승인 : 2021-09-12 19:10:07
  • -
  • +
  • 인쇄
2'40" 읽기
* 초해상도 광학 현미경(SMLM), 2014년에는 이 중 두 가지 공정이 노벨 화학상 수상
* 이러한 SMLM 기록을 독립적으로 평가하고 결합할 수 있는 적응 알고리즘을 개발
* 세포핵뿐만 아니라 세포질을 관통하는 수많은 미세한 세관과 구조도 볼 수 있어
* DECODE(DEep CONtext DEpendent) 알고리즘은 딥 러닝이 기반

가장 작은 구조에 대한 새로운 관찰
학습 알고리즘은 단일 분자 국소화 현미경을 향상시킨다.


코어가 있는 멤브레인 주머니:
이 초해상도(Super-resolution) 형광 이미지는 세포 내부가 얼마나 복잡한지를 보여준다. 이것은 결합 조직 세포다. 형광 마커는 SMLM(single-molecule localization methods, 단일 분자 국소화) 현미경의 도움으로 먼저 기록된 다음 개별 이미지를 결합해 적응 알고리즘으로 완성된 이미지를 형성했다.

▲ 단일 분자 국소화 현미경을 사용한 결합 조직 세포의 이미지. © Artur Speiser et al./ Wesley Legant et al.


초해상도 광학 현미경의 새로운 방법을 통해 과학자들은 생명체의 가장 작은 구조를 점점 더 깊이 들여다볼 수 있다. 분자 마커가 샘플에 추가되고 빛에 의해 들뜨면 색상이 빛나는 다양한 유형의 형광 현미경이 여기에 특별한 역할을 한다. 2014년에는 이 중 두 가지 공정이 노벨 화학상을 수상*했으며 그동안 가장 현대적인 형광 현미경은 심지어 1나노미터의 분해능을 달성했다.

On 8 October 2014, the Nobel Prize in Chemistry was awarded to Eric BetzigW.E. Moerner and Stefan Hell for "the development of super-resolved fluorescence microscopy


초해상도 현미경 검사법의 변형은 단일 분자 국소화 현미경 검사법(SMLM)으로 알려진 것이다. 샘플에 있는 몇 가지 형광 마커만 각 이미지에 대해 빛으로 활성화된다. 이는 이미지마다 다르다. 그런 다음 이 원시 데이터를 평가하고 결합하여 의미 있는 단일 이미지를 형성한다.

도우미로서의 알고리즘 학습

SMLM 기술을 사용하면 매우 높은 해상도를 얻을 수 있지만 프로세스는 매우 복잡하다.
많은 수의 이미지가 필요하므로 올바르게 조합해야 한다. 이것이 튀빙겐 대학의 아더 수파이저(Artur Speiser)와 그의 동료들이 이러한 SMLM 기록을 독립적으로 평가하고 결합할 수 있는 적응 알고리즘을 개발한 이유다.

DECODE(DEep CONtext DEpendent) 알고리즘은 딥 러닝을 기반으로 한다.
데이터를 통해 학습하는 인공 신경망을 사용한다. 이 경우 실제 이미지를 사용하는 대신 실제 이미지와 매우 유사한 컴퓨터 시뮬레이션의 합성 데이터로 네트워크를 훈련한다.
"우리가 시뮬레이션 데이터로 훈련한 신경망은 실제 이미지에서 형광 분자를 인식하고 위치를 파악할 수 있다"고 Speiser는 설명했다.

최고 해상도의 셀 세부 정보

DECODE에 의해 평가된 SMLM 이미징의 예는 여기에서 볼 수 있다.
모든 셀 내부 세부 정보가 포함된 소위 Cos7 셀을 보여준다. 이들은 세포 배양에서 자라는 신장의 결합 조직 세포의 후손으로 전 세계의 실험실에서 바이러스 연구 및 배양, 유전 연구에 사용된다. 세포핵뿐만 아니라 세포질을 관통하는 수많은 미세한 세관과 구조도 볼 수 있다.

새로운 알고리즘은 이전에 가능했던 것보다 더 높은 밀도로 형광 마커를 지역화할 수 있으므로 샘플당 더 적은 수의 이미지가 필요하다. 이러한 방식으로 상당한 해상도 손실 없이 이미징 속도를 최대 10배까지 높일 수 있다. 또한 DECODE는 불확실성을 정량화할 수 있다.
따라서 네트워크는 위치가 확실하지 않은 경우에도 자체적으로 인식할 수 있다.
(Nature Methods, 2021; doi: 10.1038 / s41592-021-01236-x)
출처: Universität Tübingen

[더사이언스플러스=문광주 기자]

[저작권자ⓒ the SCIENCE plus. 무단전재-재배포 금지]

  • 글자크기
  • +
  • -
  • 인쇄
뉴스댓글 >

주요기사

+

많이 본 기사

Basic Science

+

Technology

+

Photos

+