[論文レビュー] Fingerprint Spectroscopic SRS Imaging of Single Living Cells and Whole Brain by Ultrafast Tuning and Spatial-Spectral Learning

Haonan Lin, Hyeon Jeong Lee+7 more|arXiv (Cornell University)|Feb 27, 2020

Spectroscopy Techniques in Biomedical and Chemical Research参考文献 61被引用数 10

ひとこと要約

本論文は、超高速遅延ラインチューニングと空間的・スペクトル的残差学習を用いたノイズ低減により、20 μs（10 cm⁻¹解像度）のマイクロ秒スケールのスペクトル取得を実現する、ラベルフリーの指紋スペクトル刺激散乱ラマン（SRS）イメージングプラットフォームを提案する。このシステムにより、単一の生きた細胞および完全なマウス脳組織における複数のバイオ分子のリアルタイムで高精細なイメージングが可能となり、脂質代謝、コレステロールマッピング、バイオ燃料生産への応用が示された。

ABSTRACT

Label-free vibrational imaging by stimulated Raman scattering (SRS) provides unprecedented insight into real-time chemical distributions in living systems. Specifically, SRS in the fingerprint region can resolve multiple chemicals in a complex bio-environment using specific and well-separated Raman signatures. Yet, fingerprint SRS imaging with microsecond spectral acquisition has not been achieved due to the small fingerprint Raman cross-sections and the lack of ultrafast acquisition scheme with high spectral resolution and high fidelity. Here, we report a fingerprint spectroscopic SRS platform that acquires a distortion-free SRS spectrum with 10 cm-1 spectral resolution in 20 microseconds using a lab-built ultrafast delay-line tuning system. Meanwhile, we significantly improve the signal-to-noise ratio by employing a spatial-spectral residual learning network, reaching comparable quality to images taken with two orders of magnitude longer pixel dwell times. Collectively, our system achieves reliable fingerprint spectroscopic SRS with microsecond spectral acquisition speed, enabling imaging and tracking of multiple biomolecules in samples ranging from a live single microbe to a tissue slice, which was not previously possible with SRS imaging in the highly congested carbon-hydrogen region. To show the broad utility of the approach, we have demonstrated high-speed compositional imaging of lipid metabolism in living pancreatic cancer Mia PaCa-2 cells. We then performed high-resolution mapping of cholesterol, fatty acid, and protein in the mouse whole brain. Finally, we mapped the production of two biofuels in microbial samples by harnessing the superior spectral and temporal resolutions of our system.

研究の動機と目的

• 生物学的サンプルにおける指紋領域SRSイメージングの遅い取得速度と低SNRを克服すること。
• 指紋領域（500–1800 cm⁻¹）において、高精細で10 cm⁻¹解像度を達成するマイクロ秒スケールのスペクトル取得を実現すること。
• ピxlsの滞在時間の増加なしにSNRを向上させるディープラーニングベースの信号強化手法を開発すること。
• 生きた細胞および完全組織における動的プロセスの高速でマルチプレックスな化学的イメージングを実現すること。
• プラットフォームを用いて、膵臓がん細胞における脂質代謝の研究と、完全マウス脳におけるバイオ分子の分布を明らかにすること。

提案手法

• 指紋領域で20 μsのスペクトル取得と10 cm⁻¹解像度を達成するため、自作の超高速遅延ラインチューニングシステムを実装した。
• SRS信号のノイズ低減に空間的・スペクトル的残差学習ネットワークを採用し、取得時間の増加なしにSNRを顕著に向上させた。
• 超高速チューニングシステムを刺激散乱ラマン顕微鏡と統合し、高速で歪みのないスペクトルイメージングを実現した。
• 主なバイオ分子（例：コレステロール、脂肪酸、タンパク質、脂質）のスペクトルシグネチャを基準として化学マッピングに用いた。
• 生きたMia PaCa-2細胞および完全マウス脳断面を用い、イン・サイトでラベルフリーの化学的イメージングを実施した。
• 20 μsの滞在時間で取得した画像と2 ms（20倍長時間）の滞在時間で取得した画像を比較することで、性能を検証した。その結果、同等の品質が得られた。

実験結果

リサーチクエスチョン

• RQ1 超高速チューニングは、生物学的応用に十分な解像度を有する指紋領域でのマイクロ秒スケールのスペクトル取得を可能にするか？
• RQ2 ディープラーニングベースの空間的・スペクトル的残差学習は、極めて短い滞在時間でもノイズを効果的に低減し、画像品質を回復させることができるか？
• RQ3 このシステムは、単一の生きた細胞や完全脳組織といった複雑な生物学的環境において、複数のバイオ分子を解像できるか？
• RQ4 高スルーレートSRSイメージングを用いて、代謝的ストレス下における膵臓がん細胞の脂質の動的化学的挙動は何か？
• RQ5 プラットフォームは、完全脳断面において、コレステロール、脂肪酸、タンパク質といった内因性バイオ分子を細胞小器官レベルの解像度でマッピングできるか？

主な発見

• 本システムは、10 cm⁻¹のスペクトル解像度を達成し、1スペクトルあたり20 μsの取得時間でマイクロ秒スケールのスペクトルイメージングを実現した。
• 空間的・スペクトル的残差学習ネットワークによりSNRが向上し、20 μsの滞在時間で取得した画像の品質が2 msの滞在時間で取得した画像と同等になった。
• 生きたMia PaCa-2膵臓がん細胞における脂質代謝のダイナミクスが、高い時間的・スペクトル的解像度で追跡された。
• 完全マウス脳断面において、コレステロール、脂肪酸、タンパク質の高解像度な組成マッピングが達成された。
• 微生物サンプルにおいて2種類のバイオ燃料の検出とマッピングが可能となり、合成生物学およびバイオプロダクション分野への応用の有効性が示された。
• 本システムは、単一の微生物から完全組織まで、多様な生物学的サンプルにおいて、信頼性が高く歪みのない指紋SRSイメージングを実現した。