本成果由Svenja Kristin Tetzlaff, Yvonne Yang, Robert Denninger, Marc Cicero Schubert, Stella Judith Soyka, Amr Tamimi, Emanuel Maus, Julian Schroers, Niklas Wißmann, Ekin Reyhan, Robin Peretzke, Carlo Beretta, Michael Drumm, Alina Heuer, Verena Buchert, Alicia Steffens, Jordan Walsh, Kathleen McCortney等學(xué)者合作完成,論文標(biāo)題為《Deep intravital brain tumor imaging enabled by tailored three-photon microscopy and analysis》,發(fā)表于《Nature Communications》。
重要發(fā)現(xiàn)
01深層腦組織成像的技術(shù)突破
傳統(tǒng)2PM因組織散射和熒光背景噪聲限制,僅能觀測淺層皮層(300–700 μm)。
Deep3P通過三大創(chuàng)新實現(xiàn)1.2 mm深度成像:
自適應(yīng)光學(xué)(AO)系統(tǒng) 校正顱窗與腦組織間的折射率差異,分辨率提升1.9倍(n=5實驗),熒光信號增強3–5倍。
3PM-N2V降噪算法:基于3D U-Net架構(gòu)的自監(jiān)督學(xué)習(xí)模型,抑制3PM特有的周期性噪聲(如光電倍增管波紋),信噪比提升10–15 dB。
THG信號機器學(xué)習(xí)分類:利用ilastik算法將無標(biāo)記THG信號分解為血管與髓鞘軸突束,實現(xiàn)腫瘤細(xì)胞與微環(huán)境結(jié)構(gòu)的同步動態(tài)追蹤。
創(chuàng)新與亮點
01顛覆性成像深度與分辨率
Deep3P首次實現(xiàn) 活體哺乳動物胼胝體(1.2 mm深度)的亞細(xì)胞級動態(tài)觀測,突破2PM的物理極限。其AO系統(tǒng)通過校正組織折射率不均一性,使1 μm級腫瘤微管(TMs)在深層可見,為腦深部疾病研究開辟全新維度。
02智能分析驅(qū)動的新生物學(xué)發(fā)現(xiàn)
AI降噪與分類:3D-N2V算法結(jié)合PerStruc-Denoiser,有效抑制深層成像噪聲;THG信號分類準(zhǔn)確率達(dá)99%(FITC-葡聚糖驗證)。
侵襲模式量化:揭示膠質(zhì)瘤在胼胝體中減少分支遷移(vs.皮層),轉(zhuǎn)向沿血管定向運動,提示微環(huán)境調(diào)控侵襲表型。
03臨床轉(zhuǎn)化價值
機制層面:發(fā)現(xiàn)膠質(zhì)瘤模擬神經(jīng)前體細(xì)胞的血管依賴性遷移,為靶向血管互作的治療提供依據(jù)。
診斷層面:THG信號形態(tài)變化(如纖維方向離散度)可作為早期白質(zhì)定植的潛在影像標(biāo)志物。
總結(jié)與展望
Deep3P通過融合三光子顯微技術(shù)、自適應(yīng)光學(xué)與人工智能,首次實現(xiàn)對腦深部白質(zhì)腫瘤生物學(xué)的非侵入性活體研究。其核心價值在于:揭示膠質(zhì)瘤沿血管侵襲胼胝體的新機制,挑戰(zhàn)傳統(tǒng)“沿軸突遷移”理論;發(fā)現(xiàn)早期定植導(dǎo)致髓鞘結(jié)構(gòu)微觀變形,為開發(fā)高靈敏度影像標(biāo)志物奠定基礎(chǔ);提供研究腫瘤-微環(huán)境互作的全新平臺。
未來工作將聚焦三大方向:拓展多色熒光標(biāo)記以同步監(jiān)測細(xì)胞功能狀態(tài);優(yōu)化成像速度實現(xiàn)更大范圍動態(tài)追蹤;推動THG形態(tài)指標(biāo)與臨床MRI的融合,加速深層腦腫瘤診療技術(shù)的革新。該技術(shù)亦有望應(yīng)用于神經(jīng)退行性疾病、腦卒中等白質(zhì)病變模型的研究,推動神經(jīng)科學(xué)進(jìn)入“深部觀測時代”。
論文信息DOI:10.1038/s41467-024-51432-4.