由隶属于南加州大学迈克尔逊聚合生物科学中心介绍了一种在记录时间内收集和组织有关有机组织的高度详细信息的新方法。

有一天，这些方法可以用于癌症护理中快速处理组织活检或检测食品加工厂中的细菌。

组织发出信号或内在场，虽然可以检测到，但非常微弱，难以区分。这项技术在年发表的两篇论文中有详细介绍自然方法和单元格报告方法，使用复杂的数学算法来提高信号的质量，然后将其分离。

据介绍，这项新技术相当于流媒体服务提供不同级别的压缩，以确保无论用户的互联网连接如何，其视频都是一致的 弗朗西斯科·卡特拉尔他是南加州大学维特比工程学院的联合首席研究员和研究助理教授。

他说：“根据您的连接速度，流媒体将以不同的压缩级别发送视频，然后根据您的设备进行最佳重组。”。“我们正在做类似的事情：我们将获取非常大、非常复杂的数据，并将其移动到压缩的空间中。然后，我们可以查看非常大的数据集（通过相似性关联到巨大的直方图中），并在创纪录的时间内以非常高的灵敏度分析这些数据。”

了解细胞和有机组织复杂性的窗口

该算法在今年早些时候的《自然方法》（Nature Methods）中有详细介绍，它继续了最近利用荧光对高含量成像方法的改进。由于其高对比度和特异性以及适应性，荧光能够检测和确定特定分子。然而，这些新技术对活体或活体样品成像不起作用，因为这些方法的灵敏度有限，可能会损坏标本。

在这篇论文中，研究小组展示了这项被称为“混合分解”的技术如何用于清洁高效地分析活的有机组织。这项技术使用线性分解，这是一种分析样本中不同成分的方法，样本由称为荧光团的化学化合物标记。然后，他们使用超光谱相量来可视化这些组件，该相量使用整个光谱，而不仅仅是红色、蓝色和绿色。这样，即使在低照度下，混合解混也可以同时成像有机组织中明亮和暗淡的标记成分。

通过同时分析这些标记成分的细胞行为和细胞代谢，该技术将对生物系统的复杂性提供更准确的见解。

Cutrale说：“在理解复杂生物系统的研究领域有了很大的发展。”。“虽然研究人员通常一次只检查两个或三个标签，但事实上，细胞内的相互作用不仅仅是少数几个因素。挑战在于这些信号往往看起来非常相似，很难区分。在我们的论文中，我们成功识别并分离了多达14个不同的信号这一突破将使研究人员对细胞和生物系统内的活动有更全面的了解。”

我们在生命科学领域工作，但很容易想象会有许多应用程序来评估水果的质量、杀虫剂的存在或如何优化许多其他领域的生产。

弗朗西斯科·卡特拉尔 南加州大学维特比分校

Cutrale说，从行业角度来看，该算法为许多应用程序提供了基础。

他说：“我们在生命科学领域工作，但很容易想象会有许多应用程序来评估水果的质量、杀虫剂的存在或如何优化许多其他领域的生产。”

SHy-Cam提供低成本、高质量的成像工具

随后的一篇论文发表在星期五的《细胞报告方法》杂志上，描述了由研究团队设计的硬件，该硬件被称为SHy-Cam，是单焦超光谱相量相机的缩写，旨在捕获此类信息。利用荧光的典型组织成像技术使用光谱上的彩色通道来补偿标签之间的重叠。

这种技术会降低成像速度，如果暴露在过度的光线下，最终会损坏样品。

有了SHy-Cam，研究人员能够使用新的算法在一个可以使用现有光学元件构建的相机中快速高效地获取光谱信息。本文描述的新设备每秒能够采集30个数据集，光子效率超过80%。研究人员说，这使得它成为一种强大的多色活体成像工具。

Cutrale说：“如何用二维传感器制作二维图像？你需要拍照。”。“我们面临的挑战是如何用2D传感器捕获3D数据集。典型的颜色传感器可以采集三种颜色——红、蓝和绿，或者通过灰度传感器接收所有信息。

“在我们的案例中，我们需要请求42个通道的信息，这并不常见，也不高效。我们在本文中设计了一种新的方法，可以用单个图像获得光谱信息的编码版本。”

Cutrale说他们是通过利用光来做到这一点的。该团队利用光来转换信息，并在将其压缩到传感器上之前使用它进行计算。在使用这种方法时，该团队展示了它如何接收整个光谱和图像的尺寸。

他说：“我们已经用标准相机在一张图像中捕捉到了图像的X轴和Y轴——高度和宽度——以及波长轴上的光谱信息。”。“这是一种非常强大的方法。我们在这种硬件方法中获得了效率，在某些情况下，这种效率比现有仪器快八倍。换句话说，以这种压缩方式到达相机传感器的光线要多八倍。”

关于研究：除了Cutrale之外，《自然方法》的论文作者还包括第一作者Daniel Koo和Shoao Ju Chiang、Scott Fraser、Le Trinh、Cristina Zavaleta、Sean Burkitt和Masahiro Kitano，均来自南加州大学；和斯托尔斯医学研究所的Jay Unruh。《细胞报告方法》论文的作者包括Cutrale、第一作者Pu Wang、Scott Fraser、Thai Truong、Kevin Keomanee-Dizon和Masahiro Kitano，均来自南加州大学。基奥曼尼·迪桑（Keomanee-Dizon）也隶属于普林斯顿大学（Princeton University）。

注：本文由院校官方新闻直译，仅供参考，不代表指南者留学态度观点。