邮箱登陆
立即登陆

新一代三维活体小动物成像

2023-07-13 分享
 小动物活体荧光成像系统具有可在体实时成像观察被标记的动物组织或外源药物等优势,被广泛应用于肿瘤学、药物、抗体、纳米材料、炎症、免疫疾病、基因治疗、细胞凋亡等研究领域。通过这个系统,可以长期跟踪观测活体动物体内肿瘤的生长、转移及药物治疗过程,感染性疾病、炎症及骨损伤修复发展过程,特定基因的表达过程,机体内纳米药物代谢过程等。同时,该系统也是各类荧光材料及生物探针设计优化的成像分析平台。

近红外二区光(NIR-II: 1000~1700 nm)相对于可见光和近红外一区光而言,光子波长更长,在生物组织中受到的散射更小,生物组织自发荧光背景干扰更低。随着NIR-II 光致发光探针的开发及配套相机等设备的发展,NIR-II荧光活体功能成像的应用成为研究热点。然而,当前的NIR-II活体成像系统还是以工业镜头获得的平面成像为主,能够获得毫米级深度荧光成像,但是无法反映三维深度信息,加之小鼠距离镜头较远,成像分辨率较低,且组织散射的影响仍然存在。因此开发深层、高分辨率、空间三维、高对比度活体成像系统成为小动物活体荧光成像的重要发展方向。

光片荧光显微成像是应用于细胞、类器官、小型胚胎的一种三维成像技术,能够快速地实现生物样品三维成像。为实现NIR-II荧光深层三维活体成像,提高成像分辨率,进一步降低荧光散射与组织自发荧光影响,悉尼科技大学-南方科技大学生物医学材料与仪器联合研究中心金大勇院士团队以稀土纳米颗粒制备NIR-II探针,检测峰值为1530 nm左右的荧光,将光片成像首次引入成年全鼠活体成像领域,使用时间门控技术进一步降低生物组织荧光散射,通过双工业镜头耦合成像拉近成像距离,扩大成像数值孔径(图1),基于深度学习开发血管增强算法提高成像分辨率,实现了NIR-II深层三维活体高分辨全鼠血管网络成像(图2)。

 

时间门控光片活体成像系统

该研究通过时间门控成像、光片扫描和深度学习算法的协同使用,有效地减少了激光散射和失焦背景噪声的影响,用NIR-II体成像实现了深层组织清晰地分辨血管。该三维活体成像系统成功地重建了宏观全鼠皮下2 mm深度范围内全长527.7 mm的血管,宏观活体成像最小可分辨血管直径可达100 μm,深度分辨率100 μm。该技术填补了小鼠从组织到活体传统显微成像和宏观成像之间的空白,为三维全身病理模型的研究提供了可能。该系统快速采集海量的信息,能够在完整的人体背景下分析宏观感兴趣区域的微观细节,如癌细胞在血管中的运移过程。与目前用于避免散射效应的组织透明技术相比,新一代NIR-II三维活体深层高清成像具有明显的优势。

 

深度学习算法增强的时间门控光片NIR-II体成像系统重构全鼠皮肤和血管的高对比度含深度信息图像

该工作得到深圳市科创委等多个研究项目支持,以“Deep learning enhanced NIR-II volumetric imaging of whole mice vasculature”为题作为封面文章发表在我所主办期刊Opto-Electronic Advances(光电进展)2023年第4期。

 

研究团队简介

悉尼科技大学-南方科技大学生物医学材料与仪器联合研究中心

 

金大勇院士于2019年初在南方科技大学组建悉尼科技大学-南方科技大学生物医学材料与仪器联合研究中心,该研究中心致力于先进生物医疗技术开发,注重新生物材料设计、医疗仪器自主研发以及精准疾病诊断技术的融合性研究。近五年来金大勇院士作为通讯作者先后在《自然》及子刊中发表了16篇原创性工作综述展望,至今发表学术论文220余篇,被引用11000余次,H-Index52;申请国际专利7项;多次受邀在SPIECYTO等国际会议上作邀请报告,担任多个国际著名学术期刊Light Science & Applications (光学排名第二)Cytometry AJournal of Luminescence副主编,Opto-Electronic Advances, Journal of Rare Earths  Science China Materials 编委,同时作为NatureNature PhotonicsNature NanotechnologyNature CommunicationChemical Society ReviewsScientific ReportsAdvanced MaterialsAdvanced Functional MaterialsNano Letters, ACS Nano, Journal of Biomedical OpticsOptics LettersSmallNanoscaleChemical ScienceAnalytical Chemistry等期刊的审稿人。

 

相关论文

Wu ST, Yang ZC, Ma CG, Zhang X, Mi C et al. Deep learning enhanced NIR-II volumetric imaging of whole mice vasculatureOpto-Electron Adv 6, 220105 (2023).

DOI: 10.29026/oea.2023.220105

 

微信