基于深度学习的金球核酸单细胞成像研究

Gold based spherical nucleic acids (Au-SNA) hold great potential in the field of molecular diagnose, cellular imaging and targeted drug delivery. Real-time monitoring and analyzing the cluster state and organelle distribution of intracellular Au-SNA is essential for understanding the process of endocytosis and trafficking in cells and improving the performance of Au-SNA. To further improve imaging resolution and increase the analysis throughput, we propose to combine the deep learning method with the correlative darkfield-fluorescence imaging system. Specifically, we apply super-resolution generative adversarial network (SRGAN) in the fluorescence imaging modular to transform acquired fluorescence image with low-resolution into a confocal image with high-resolution. Meanwhile, we also apply Convolutional Neural Networks (CNN) framework in darkfield analysis modular to distinguish the cluster state of carrier fast and accurately, allowing us to achieve high-throughput single-cell classification. This deep learning-based imaging system not only enables us to real-time monitor the cluster state and organelle distribution of Au-SNA, but also allows us to fully investigate the pattern of endocytosis and trafficking process for Au-SNA in different cells. Therefore, our project will deepen the understand of the mechanism of endocytosis and trafficking process, and provide new strategies for designing smart SNA.

金球核酸在分子诊断、细胞成像和靶向药物运送等领域具有巨大的应用前景。实时监测并研究球形核酸在内吞转运过程中聚集状态与其位置的关联，对分析其在单个细胞及细胞群体的内吞及转运机制，并提高金球核酸的性能至关重要。为了克服现有成像方法通量低、成像质量差的问题，本项目创新性的将深度学习的方法与暗场-荧光多模态成像体系进行结合。一方面通过超分辨生成对抗型网络架构，改善荧光成像模块的亚细胞定位的成像效果，达到共聚集显微镜的成像水平；另一方面通过卷积神经网络架构，提高暗场模块的聚集状态分析的通量，达到分析细胞群体的水平。该成像体系不仅可以实时观测细胞内金球核酸聚集状态及细胞亚定位关联，也可以用于研究不同细胞群体的内吞及转运机制的特点和规律。从而使得我们可以深入对内吞及转运机制的理解，最终为设计智能球形核酸提供新思路。

生物纳米材料（如纳米金球核酸）在肿瘤的诊断和治疗等多个领域具有广泛的应用前景。高通量、快速解析生物纳米材料在复杂的生命环境中结构与性状变化过程及其机制，是提高生物纳米材料应用的关键。本项目通过构建并优化计算机辅助的纳米颗粒化学状态分析方法，在200秒内实现了20个细胞数据(超过1000个数据点)的处理，该方法提供了一种自动、定量、客观、可重复的金球核酸聚集分析方法，在单细胞纳米等离子成像分析中具有良好的应用前景；同时，通过与共聚焦荧光显微镜的原位比对，提高多模态成像体系中荧光部块的成像分辨率，实现纳米颗粒聚集状态与细胞亚定位的同时快速分析，并将宏量数据分析模型与之结合，从而建立单细胞水平纳米颗粒多维分析的标准方法；最后，利用该方法实时监测生物分子组装及折叠引发的荧光亮度或荧光共振能量转移效率变化，快速、高通量的在单分子水平分析生物分子的化学状态，极大的扩展了算法的应用范围。该项目以生物材料的细胞命运分析为核心，克服了复杂细胞组织环境引发的繁冗的背景噪音，以及宏量成像数据带来的分析困难，建立了单分子及单颗粒的实时监测方法，不仅提高了金球核酸化学状态的分析通量和分析精度，建立了细胞群体内金球核酸亚细胞定位与化学状态关联，实现了解析生物纳米材料在复杂的生命环境中活动机制的研究。同时也提供了生物纳米材料化学状态分析的通用方法，为生物纳米材料的应用奠定了基础。