[논문 리뷰] Fingerprint Spectroscopic SRS Imaging of Single Living Cells and Whole Brain by Ultrafast Tuning and Spatial-Spectral Learning

Haonan Lin, Hyeon Jeong Lee외 7명|arXiv (Cornell University)|2020. 02. 27.

Spectroscopy Techniques in Biomedical and Chemical Research참고 문헌 61인용 수 10

한 줄 요약

이 논문은 초당 20 마이크로초(10 cm⁻¹ 해상도)로 스펙트럼를 획득할 수 있는 초고속 지연선 튜닝과 공간-스펙트럼 잔차 학습을 통한 노이즈 억제를 활용해, 라벨 프리(fingerprint) 스펙트럼적 자극형 라만 산란(SRS) 영상 플랫폼을 제시한다. 이 시스템은 단일 생세포와 전체 마우스 뇌 조직에서 다중 생분자에 대한 실시간, 고정밀 영상 촬영을 가능하게 하여 지방 대사, 콜레스테롤 맵핑, 바이오연료 생산 분야의 응용 가능성을 입증한다.

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.

연구 동기 및 목표

• 생물 샘플의 지문 영역 SRS 영상에서 느린 촬영 속도와 낮은 신호 대 노이즈 비율(SNR)을 극복하기 위해.
• 지문 영역(500–1800 cm⁻¹)에서 고정밀도 및 10 cm⁻¹ 해상도로 마이크로초 수준의 스펙트럼 촬영을 가능하게 하기 위해.
• 픽셀 주사 시간을 늘리지 않고도 SNR를 향상시키는 딥 러닝 기반 신호 강화 방법을 개발하기 위해.
• 단일 생세포와 생체 조직에서 동적 과정의 고속 다중 화학 영상 촬영을 가능하게 하기 위해.
• 플랫폼을 이용해 췌장암 세포에서의 지방 대사 및 전체 마우스 뇌 조직에서의 생분자 분포를 연구하기 위해.

제안 방법

• 지문 영역에서 20 μs 스펙트럼 촬영과 10 cm⁻¹ 해상도를 확보하기 위해 자가 제작 초고속 지연선 튜닝 시스템을 구현하였다.
• 스펙트럼-공간 잔차 학습 네트워크를 활용해 SRS 신호의 노이즈를 억제하여, 촬영 시간을 늘리지 않아도 SNR를 크게 향상시켰다.
• 초고속 튜닝 시스템을 자극형 라만 산란 현미경과 통합하여 빠르고 왜곡 없는 스펙트럼 영상 촬영을 가능하게 하였다.
• 핵심 생분자(예: 콜레스테롤, 지방산, 단백질, 지질)의 스펙트럼 서명을 기반으로 화학 맵핑을 수행하였다.
• 라이브 Mia PaCa-2 세포와 전체 마우스 뇌 절편에 시스템을 적용하여 현장에서의 라벨 프리 화학 영상 촬영을 수행하였다.
• 20 μs 주사 시간으로 촬영한 영상와 2 ms 주사 시간(20배 긴 시간)으로 촬영한 영상의 품질을 비교하여 성능을 검증하였다. 결과적으로 유사한 품질을 확보하였다.

실험 결과

연구 질문

• RQ1 초고속 튜닝을 통해 지문 영역에서 생물학적 응용에 적합한 해상도로 마이크로초 수준의 스펙트럼 촬영이 가능한가?
• RQ2 딥 러닝 기반의 공간-스펙트럼 잔차 학습이 초단시간 주사 시간에서 효과적으로 노이즈를 억제하고 영상 품질을 복원할 수 있는가?
• RQ3 이 시스템은 단일 생세포와 생체 그대로의 뇌 조직과 같은 복잡한 생물학적 환경에서 다수의 생분자를 식별할 수 있는가?
• RQ4 고속 SRS 영상 촬영을 통해 대사 스트레스 하에서 췌장암 세포 내 지질의 동적 화학적 행동은 어떠한가?
• RQ5 이 플랫폼은 전체 뇌 절편에서 콜레스테롤, 지방산, 단백질과 같은 내재 생분자를 세포소기관 수준의 해상도로 맵핑할 수 있는가?

주요 결과

• 시스템은 10 cm⁻¹ 스펙트럼 해상도를 확보하면서도 스펙트럼 당 20 μs의 촬영 시간으로 마이크로초 수준의 스펙트럼 영상 촬영을 구현하였다.
• 공간-스펙트럼 잔차 학습 네트워크를 통해 SNR를 향상시켜, 20 μs 주사 시간 영상가 2 ms 주사 시간 영상와 동일한 품질을 확보하였다.
• 고시간 해상도와 고스펙트럼 해상도로 라이브 Mia PaCa-2 췌장암 세포에서 지방 대사 동역학을 성공적으로 추적하였다.
• 전체 마우스 뇌 절편에서 콜레스테롤, 지방산, 단백질의 고해상도 조성 맵핑을 구현하였다.
• 플랫폼을 이용해 미생물 샘플에서 두 가지 바이오연료의 탐지 및 맵핑을 수행하여 합성 생물학 및 바이오생산 분야의 응용 가능성을 입증하였다.
• 이 시스템은 단일 미생물에서 생체 조직에 이르기까지 다양한 생물 샘플에서 신뢰성 있고 왜곡 없는 지문 SRS 영상 촬영을 수행함을 입증하였다.