我院谭山教授与合作者团队在人工智能技术应用于活细胞超分辨显微成像领域取得重要成果

12月12日，Nature Methods（IF=32.1）在线发表了题为“Bio-friendly and high-precision super-resolution imaging through self-supervised reconstruction structured illumination microscopy”的人工智能应用最新研究成果。我院博士生刘嘉浩和刘涛、清华大学膜生物学全国重点实验室助理研究员董学、中科院生物物理研究所博士后陆怀德、复旦大学博士后生物医学研究院刘伟为共同第一作者，我院谭山教授、清华大学生命科学学院李栋教授、复旦大学生物医学研究院刘妍君教授为共同通讯作者。我校为第一完成单位。

研究背景

近年来，基于深度学习的结构光照明显微镜技术在超分辨活细胞成像中展现出巨大潜力，为揭示亚细胞结构动态过程与相互作用提供了强大工具。然而，现有方法依赖大量高质量“真值”图像数据进行监督训练，这些数据在光敏感、快速变化的生命过程中极难获取，限制了该技术的普适性。此外，主流端到端神经网络往往忽视超分辨成像物理模型，导致在低信噪比条件下重建质量下降。针对上述挑战，我院谭山课题组与合作者提出了自监督重建结构光照明显微术（SSR-SIM），将重建伪影的统计分析与物理先验融合，无需“真值”图像即可实现高质量重建，摆脱深度学习显微成像对配对训练数据的依赖。

图一 SSR-SIM学习框架及神经网络架构

针对上述挑战，我院谭山课题组与合作者提出了自监督重建结构光照明显微术（SSR-SIM），创新性地将重建伪影的统计分析与结构光照明的物理先验深度融合，无需采集任何真值图像数据即可实现媲美有监督学习的高精度、高保真超分辨图像重建，从根本上摆脱了深度学习显微成像对于配对训练数据的依赖，并首次揭示了细胞间纳米管通讯、病毒与宿主细胞互作等光敏感和小概率生物学过程的动态变化。

工作介绍

研究团队首先分析了现有自监督算法在活细胞SIM成像中的失效原因，发现SIM重建伪影具有长距离空间相关性，活细胞快速运动导致连续时间点采集的生物信号不一致，导致现有基于空间或时间采样的自监督方法高频信息复原不全、超分辨精度受限。为此，团队提出了硬件层面的“信号一致成像序列”方案，通过控制照明序列，采集两组信号几乎相同、噪声独立的原始图像，并从理论上证明，在该自监督框架下训练的模型能实现与有监督模型相当的重建精度。

在网络设计方面，团队开发了基于物理光学先验的混合卷积与Transformer架构，兼顾局部特征与远程像素依赖关系。核心创新是物理先验引导的模式激活模块，将结构光调制信息显式编码至网络，增强高数值孔径下密集照明条纹的解调能力，从而更完整地恢复图像高频超分辨信息。

技术优势

实验表明，SSR-SIM在峰值信噪比、结构相似性等定量指标上均优于现有的非学习型、有监督及无监督学习SIM算法，且在不同荧光光子数条件下表现稳健，展现出卓越的生物友好性。对钙离子荧光指示剂的检测证实SSR-SIM成像引起的细胞应激反应与阴性对照组相当，显著低于传统SIM，为实现长时程活细胞观测提供了保障。此外，该方法网络参数量小（最低仅0.33M）、重建速度快（处理512×512图像约17毫秒），满足实时处理需求。集成的蒙特卡洛Dropout层还提供模型不确定性估计，为重建结果的可靠性评估提供依据。

创新发现

凭借高时空分辨率、低光毒性和长时程成像能力，SSR-SIM成功应用于多种挑战性活细胞场景，揭示了新的生物学现象：

Ÿ 细胞器与细胞骨架动态：实现对肌动蛋白骨架持续重塑过程超4小时、10000个时间点的超分辨成像；清晰记录线粒体嵴的分裂、融合与旋转形态变化。

Ÿ 蛋白质转运新机制：以超分辨精度实时观察到病毒糖蛋白（VSVG）和内质网（ER）互作，发现VSVG运动可导致ER片层发生分裂，ER搭便车协助VSVG转运。

Ÿ 内吞循环过程解析：清晰分辨Rab11a与转铁蛋白受体在运输过程中的管状与盘状形态超1500个时间点。

Ÿ 痘类病毒传播新见解：对痘苗病毒诱导的肌动蛋白彗星尾成像，首次发现其为“中空”且常具“多尾”的复杂结构。

Ÿ 细胞间通讯观测：对隧道纳米管（TNT）中线粒体进行3小时以上的超分辨成像，发现运输中线粒体仍能分裂。

图二 SSR-SIM成像常见亚细胞结构

研究意义

谭山、李栋、刘妍君合作团队通过人工智能算法与光学显微成像物理模型的深度融合，成功开发了SSR-SIM技术。该技术不仅解决了深度学习SIM对“真值”数据的依赖问题，还通过引入物理先验显著提升了重建质量；将SIM技术固有的高速、低光毒、多色兼容等优势，进一步拓展至更广泛的活体生物样本和动态过程研究。这项研究为计算显微成像提供了新范式，通过算法与物理的紧密结合，以更智能、更友好的方式揭示生命微观世界。

本研究得到了国家自然科学基金委、科技部、腾讯"新基石"基金的资助。

文章链接：https://www.nature.com/articles/s41592-025-02966-y