[论文解读] 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 10

一句话总结

该论文提出了一种无标记的、基于指纹区的受激发拉曼散射（SRS）成像平台，通过超快延迟线调谐与空间-光谱残差学习相结合，实现了微秒级光谱采集（20 μs，分辨率10 cm⁻¹）。该系统可实现实时、高保真度的单个活细胞及完整小鼠脑组织中多种生物分子的成像，展示了在脂质代谢、胆固醇分布和生物燃料生产中的应用潜力。

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.

研究动机与目标

• 解决生物样品指纹区SRS成像中采集速度慢和信噪比低的问题。
• 实现在指纹区（500–1800 cm⁻¹）内微秒级光谱采集，保真度高且分辨率达10 cm⁻¹。
• 开发一种基于深度学习的信号增强方法，在不增加像素积分时间的前提下提升信噪比。
• 实现单个活细胞和完整组织中动态过程的高速、多路复用化学成像。
• 将该平台应用于胰腺癌细胞中脂质代谢的研究，以及完整小鼠脑组织中生物分子分布的分析。

提出的方法

• 构建了实验室自制的超快延迟线调谐系统，实现在指纹区内20 μs光谱采集、10 cm⁻¹分辨率。
• 采用空间-光谱残差学习网络对SRS信号进行去噪，显著提升信噪比，且不增加采集时间。
• 将超快调谐系统与受激发拉曼散射显微镜集成，实现快速、无畸变的光谱成像。
• 利用关键生物分子（如胆固醇、脂肪酸、蛋白质、脂质）的光谱特征作为化学成像的参考。
• 将该系统应用于活体Mia PaCa-2细胞和完整小鼠脑切片，实现原位、无标记的化学成像。
• 通过将20 μs积分时间采集的图像与2 ms积分时间（延长20倍）采集的图像进行对比，验证了系统性能，结果表明图像质量相当。

实验结果

研究问题

• RQ1 超快调谐是否能够在指纹区实现足够分辨率的微秒级光谱采集，以满足生物应用需求？
• RQ2 基于深度学习的空间-光谱残差学习是否能有效抑制噪声，并在极短积分时间内恢复图像质量？
• RQ3 该系统是否能够分辨复杂生物环境（如单个活细胞和完整脑组织）中的多种生物分子？
• RQ4 利用高速SRS成像，胰腺癌细胞在代谢应激下脂质的动态化学行为如何？
• RQ5 该平台是否能够以亚细胞分辨率在完整脑组织切片中实现内源性生物分子（如胆固醇、脂肪酸和蛋白质）的成像与定位？

主要发现

• 系统实现了10 cm⁻¹的光谱分辨率，单次光谱采集时间仅为20 μs，支持微秒级光谱成像。
• 空间-光谱残差学习网络显著提升了信噪比，使得20 μs积分时间下的图像质量与2 ms积分时间下的图像相当。
• 成功实现了对活体Mia PaCa-2胰腺癌细胞中脂质代谢动态过程的高时间分辨率与高光谱分辨率追踪。
• 在完整小鼠脑组织切片中，实现了胆固醇、脂肪酸和蛋白质的高分辨率组成成像。
• 该平台成功检测并绘制了微生物样品中两种生物燃料的分布，展示了其在合成生物学和生物制造中的应用潜力。
• 该系统在从单个微生物到完整组织的多种生物样品中均表现出可靠、无畸变的指纹区SRS成像能力。