Nature Methods | NeAT把自適應(yīng)光學(xué)“算”進(jìn)了活體雙光子

認(rèn)知神經(jīng)科學(xué)前沿文獻(xiàn)分享

基本信息

Title:Adaptive optical correction for in vivo two-photon fluorescence microscopy with neural fields

發(fā)表時(shí)間:2026.4.13

發(fā)表期刊:Nature Methods

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

引言

雙光子熒光顯微成像（two-photon fluorescence microscopy, 2PFM）之所以能在活體腦研究中長期占據(jù)核心位置，關(guān)鍵在于它兼顧了成像深度與亞細(xì)胞尺度分辨率。但這項(xiàng)技術(shù)越往組織深處走，越容易遇到一個(gè)老問題：光在不同折射率介質(zhì)中傳播時(shí)會(huì)不斷積累像差，最終讓焦點(diǎn)擴(kuò)散、信號(hào)變暗、分辨率和對(duì)比度一起下降。對(duì)于樹突棘、突觸輸入這類本就微弱且細(xì)小的信號(hào)，這種退化往往不是“看得差一點(diǎn)”，而是直接影響能否被穩(wěn)定識(shí)別和定量。

自適應(yīng)光學(xué)（adaptive optics, AO）本來就是為校正這類波前畸變而發(fā)展的，但現(xiàn)實(shí)部署門檻并不低。許多方案依賴定制顯微鏡、嚴(yán)格的共軛光路以及額外的波前傳感器；而在普通生物實(shí)驗(yàn)室更常見的商業(yè)顯微鏡上，光路可調(diào)性有限，掃描器與波前整形器之間的共軛關(guān)系也未必理想。再進(jìn)一步到了活體成像場(chǎng)景，呼吸、心跳和組織位移會(huì)在三維圖像棧采集過程中引入層間錯(cuò)位，使間接像差測(cè)量更容易失真。與此同時(shí)，一些數(shù)據(jù)驅(qū)動(dòng)方法雖然能做圖像增強(qiáng)，卻依賴外部訓(xùn)練集，限制了跨平臺(tái)與跨樣本的直接遷移。

實(shí)驗(yàn)設(shè)計(jì)與方法邏輯

NeAT 的輸入是掃描獲得的單個(gè) 3D 雙光子熒光圖像棧。作者用物理約束的圖像形成模型把觀測(cè)圖像分解為點(diǎn)擴(kuò)散函數(shù)、樣本結(jié)構(gòu)和基線背景三部分，其中像差由 Zernike 模式系數(shù)表示，結(jié)構(gòu)由神經(jīng)場(chǎng)連續(xù)建模，背景則用低秩項(xiàng)描述。優(yōu)化目標(biāo)是在無監(jiān)督條件下，讓重建圖像棧盡量逼近輸入圖像棧，損失函數(shù)結(jié)合結(jié)構(gòu)相似性（SSIM）、相對(duì)均方誤差（rMSE）和結(jié)構(gòu)正則項(xiàng)。

核心發(fā)現(xiàn)

發(fā)現(xiàn)一：NeAT 能從單個(gè) 3D 圖像棧中聯(lián)合恢復(fù)結(jié)構(gòu)并給出接近直接波前傳感的像差估計(jì)

全文最基礎(chǔ)的問題，是 NeAT 在沒有外部訓(xùn)練集的前提下，是否真的“測(cè)到了”可信的像差，而不只是做了圖像增強(qiáng)。Figure 2a–d 在固定 Thy1-GFP 腦片上的對(duì)照給出關(guān)鍵證據(jù)：NeAT 從輸入圖像?；謴?fù)出的三維神經(jīng)結(jié)構(gòu)能分辨神經(jīng)突起、boutons 和 dendritic spines，同時(shí)其估計(jì)的相位圖與 DWS 測(cè)得結(jié)果相近，二者 RMS difference 為 0.09 wave，主導(dǎo)模式如 primary coma 和 spherical aberration 的系數(shù)也相互吻合。

Figure 2. Performance characterization with DWS AO in a custom-built 2P microscope

發(fā)現(xiàn)二：NeAT 的適用性有明確邊界，信噪比、像差強(qiáng)度與采樣率共同決定其可靠工作區(qū)間

方法學(xué)論文若只展示最好結(jié)果，很難指導(dǎo)真實(shí)使用；Figure 2j–o 和 Extended Data Figs. 4–7 的價(jià)值就在于，它們系統(tǒng)給出了 NeAT 的性能邊界。作者在微珠和固定腦片數(shù)據(jù)中逐步降低 SNR，發(fā)現(xiàn)當(dāng)信號(hào)過低時(shí)，恢復(fù)結(jié)構(gòu)會(huì)開始碎裂并擬合噪聲，像差誤差也同步上升。對(duì)應(yīng) cutoff SNR 在微珠數(shù)據(jù)中為 1.51（astigmatism）和 1.60（coma），在腦片數(shù)據(jù)中為 1.92（coma）和 1.52（astigmatism）。

Figure 1. NeAT estimates aberration and recovers structure from a 3D input image stack

發(fā)現(xiàn)三：在商業(yè)顯微鏡上，NeAT 能識(shí)別并補(bǔ)償共軛誤差，顯著增強(qiáng)波前校正的實(shí)際效果

本文區(qū)別于許多只在理想定制系統(tǒng)中演示 AO 的關(guān)鍵一步，體現(xiàn)在 Figure 3。作者指出商業(yè)顯微鏡中常見的問題不是單純“有像差”，而是校正相位在傳到物鏡后焦面時(shí)會(huì)因?yàn)槠揭?、旋轉(zhuǎn)、縮放和剪切而失真，因此即便像差估計(jì)正確，施加的補(bǔ)償也可能不到位。為此，他們把這一失真寫成仿射變換 H，并用 5 組校準(zhǔn)像差加 200 nm 熒光微珠圖像反求 H。

Figure 3. NeAT corrects for conjugation errors in a commercial microscope

發(fā)現(xiàn)四：在活體鼠腦的結(jié)構(gòu)與功能成像中，NeAT 把像差校正轉(zhuǎn)化成了更清晰的形態(tài)信息和更穩(wěn)健的功能讀出

前面的結(jié)果建立了方法學(xué)可靠性，而 Figure 4、Figure 5 和 Extended Data Fig. 9 則回答這套框架能否真正改善生物學(xué)測(cè)量。結(jié)構(gòu)成像中，F(xiàn)igure 4a–c 顯示在 350 μm 深度，只有同時(shí)考慮運(yùn)動(dòng)校正與共軛誤差補(bǔ)償時(shí)，樹突及樹突棘的亮度、分辨率和對(duì)比度才獲得最明顯提升，樹突棘亮度最高可增至 1.8 倍。

Figure 4. Real-time aberration correction by NeAT for in vivo structural imaging

Figure 5. Real-time aberration correction by NeAT for in vivo glutamate and calcium imaging

歸納總結(jié)和點(diǎn)評(píng)

這篇工作的重要性，在于它沒有把自適應(yīng)光學(xué)只當(dāng)作一個(gè)“更會(huì)修圖”的算法問題，而是把像差估計(jì)、結(jié)構(gòu)恢復(fù)、活體運(yùn)動(dòng)處理和商業(yè)顯微鏡中的共軛誤差補(bǔ)償整合進(jìn)同一套無外部訓(xùn)練數(shù)據(jù)的計(jì)算框架，并用 DWS 對(duì)照、性能邊界評(píng)估以及活體結(jié)構(gòu)和功能成像演示把證據(jù)鏈補(bǔ)得相對(duì)完整。對(duì)實(shí)際用戶而言，NeAT 最有價(jià)值的貢獻(xiàn)并非徹底替代硬件，而是降低了 AO 對(duì)定制平臺(tái)和精密對(duì)準(zhǔn)的依賴，讓商業(yè)顯微鏡上的活體深部校正更具可行性；同時(shí)，作者也較清楚地交代了方法邊界，包括對(duì) SNR、像差強(qiáng)度、采樣率以及顯微鏡共軛穩(wěn)定性的要求。因此，現(xiàn)階段更穩(wěn)妥的結(jié)論是：NeAT 為 2P 活體 AO 提供了一條更易部署的計(jì)算路線，并已在文中測(cè)試的小鼠腦成像場(chǎng)景中顯示出實(shí)際收益；至于跨樣本類型、跨系統(tǒng)泛化能力以及長期維護(hù)成本，還需要后續(xù)研究繼續(xù)驗(yàn)證。

請(qǐng)打分

這篇?jiǎng)倓偟巧?Nature Methods 的研究，是否實(shí)至名歸？我們邀請(qǐng)您作為“云審稿人”，一同品鑒。精讀全文后，歡迎在匿名投票中打分，并在評(píng)論區(qū)分享您的深度見解。

分享人：BQ

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認(rèn)知神經(jīng)科學(xué)的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級(jí)大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場(chǎng)探索未知的長跑，但你無需獨(dú)行。歡迎加入PsyBrain 學(xué)術(shù)社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點(diǎn)擊卡片進(jìn)群，歡迎你的到來

一鍵關(guān)注，點(diǎn)亮星標(biāo) ? 前沿不走丟！

一鍵分享，讓更多人了解前沿