Cutrale گفت که آنها این کار را با استفاده از نور انجام می دهند. این تیم از نور برای تبدیل اطلاعات استفاده کردند و از آن برای انجام محاسبات قبل از فشرده سازی آن بر روی حسگر استفاده کردند. در استفاده از این رویکرد، تیم نشان داد که چگونه می تواند کل طیف و ابعاد تصویر را دریافت کند.
وانگ، پی. و همکاران (2023). یک دوربین فازور ابرطیفی تک شات برای میکروسکوپ فلورسانس سریع و چند رنگ. روش های گزارش سلولی. doi.org/10.1016/j.crmeth.2023.100441
این تکنیک با امکان تجزیه و تحلیل همزمان رفتارهای سلولی و متابولیسم سلولی این اجزای برچسب‌گذاری شده، بینش دقیق‌تری را در مورد پیچیدگی سیستم‌های بیولوژیکی ارائه می‌دهد.
مقاله بعدی که امروز در روش های گزارش سلولی، سخت افزار را توصیف می کند -; دوبله SHy-Cam کوتاه شده برای Single-shot Hyperspectral Phasor Camera -; طراحی شده توسط تیم تحقیقاتی بهینه سازی شده برای گرفتن این نوع اطلاعات. تکنیک‌های تصویربرداری بافت معمولی با استفاده از فلورسانس از کانال‌های رنگی در سراسر طیف برای جبران همپوشانی بین برچسب‌ها استفاده می‌کنند. این تکنیک سرعت تصویربرداری را کاهش می دهد و در صورت قرار گرفتن در معرض نور بیش از حد، می تواند در نهایت به نمونه ها آسیب برساند.
Cutrale گفت که این الگوریتم پایه و اساس کاربردهای متعدد از نقطه نظر صنعت را فراهم می کند.
الگوریتم -؛ به تفصیل در روش های طبیعت اوایل امسال -؛ به اصلاح اخیر رویکردهای تصویربرداری با محتوای بالا با استفاده از فلورسانس ادامه می دهد. به لطف کنتراست و ویژگی بالا و همچنین سازگاری آن، فلورسانس امکان تشخیص و تعریف مولکول های خاص را فراهم کرده است. با این حال، این تکنیک‌های جدیدتر برای تصویربرداری از نمونه‌های زنده یا in vivo کار نمی‌کنند، زیرا این رویکردها حساسیت محدودی دارند و ممکن است به نمونه‌ها آسیب برسانند.
بر اساس سرعت اتصال شما، پخش کننده ویدیو را با سطوح مختلف فشرده سازی ارسال می کند که سپس به طور بهینه برای دستگاه شما ترکیب می شود. ما در حال انجام کاری مشابه هستیم: داده‌های بسیار بزرگ و بسیار پیچیده را می‌گیریم و به فضایی منتقل می‌کنیم که در آن فشرده شده است. سپس می توانیم به مجموعه داده های بسیار بزرگ نگاه کنیم -; مرتبط با شباهت به یک هیستوگرام عظیم -؛ و این داده ها را در زمان رکورد و با حساسیت بسیار بالا تجزیه و تحلیل کنید.”
یک تکنیک پیشگامانه توسعه یافته توسط محققان وابسته به مرکز USC Michelson برای علوم زیستی همگرا، روش جدیدی را برای جمع آوری و سازماندهی اطلاعات بسیار دقیق در مورد بافت های آلی در زمان رکورد ارائه می دهد.
وی گفت: ما در زمینه علوم زیستی کار می کنیم، اما تصور کاربردهای متعدد برای ارزیابی کیفیت میوه ها، وجود آفت کش ها یا نحوه بهینه سازی تولید در بسیاری از زمینه ها آسان است.
مرجع مجله:
با SHy-Cam، محققان توانستند از الگوریتم جدید برای به دست آوردن سریع و کارآمد اطلاعات طیفی، در دوربینی که می تواند با اجزای نوری موجود ساخته شود، استفاده کنند. تجهیزات جدیدی که در این مقاله توضیح داده شده است قادر به دریافت 30 مجموعه داده در ثانیه با بازده فوتون بیش از 80 درصد است. به گفته محققان، این آن را به ابزاری قدرتمند برای تصویربرداری چند رنگ و درون تنی تبدیل می کند.
این تحقیق توسط کمک های مالی وزارت دفاع ایالات متحده (PR150666)، کمک هزینه تحصیلی پژوهشی بنیاد ملی علوم (DGE-1842487)، طرح چان زاکربرگ و USC پشتیبانی شد.
بافت‌ها سیگنال‌ها یا میدان‌های ذاتی را منتشر می‌کنند که اگرچه قابل تشخیص هستند، بسیار ضعیف هستند و به سختی قابل تشخیص هستند. این تکنیک، به تفصیل در یک جفت مقاله منتشر شده در روش های طبیعت و روش های گزارش سلولی، از یک الگوریتم پیچیده ریاضی برای بهبود کیفیت سیگنال ها و سپس جداسازی آنها استفاده می کند.
دانشگاه کالیفرنیای جنوبی
Cutrale گفت: “چگونه با یک حسگر دو بعدی یک تصویر دو بعدی تولید می کنید؟ شما عکس می گیرید.” “چالش ما این است که چگونه یک مجموعه داده سه بعدی را با یک حسگر دوبعدی ضبط کنیم. یک سنسور رنگی معمولی سه رنگ را به دست می آورد – قرمز، آبی و سبز – یا همه چیز را از طریق حسگرهای مقیاس خاکستری خود دریافت می کند.
در این مقاله، تیم تحقیقاتی نشان داد که چگونه می‌توان از روشی به نام Hybrid Unmixing برای تجزیه و تحلیل بافت‌های ارگانیک زنده به طور تمیز و کارآمد استفاده کرد. این تکنیک از اختلاط خطی استفاده می کند، روشی برای تجزیه و تحلیل اجزای مختلف درون یک نمونه که با ترکیبات شیمیایی به نام فلوروفور مشخص شده است. سپس آنها این اجزا را با استفاده از فازورهای فراطیفی تجسم می کنند که از کل طیف رنگی استفاده می کنند، نه صرفاً قرمز، آبی و سبز. در انجام این کار، Hybrid Unmixing امکان تصویربرداری همزمان از اجزای دارای برچسب روشن و کم نور را در بافت ارگانیک، حتی در نور کم، فراهم می کند.
“در مورد ما، ما نیاز به درخواست 42 کانال اطلاعات داریم – که معمول نیست و کارآمد نیست. ما در این مقاله یک رویکرد جدید طراحی کردیم که می تواند یک نسخه رمزگذاری شده از اطلاعات طیفی را با یک تصویر واحد بدست آورد.”
علاوه بر Cutrale، روش های طبیعت نویسندگان مقاله عبارتند از نویسندگان همکار دانیل کو و هسیائو جو چیانگ، اسکات فریزر، لی ترینه، کریستینا زاوالتا، شان بورکیت و ماساهیرو کیتانو، همگی از USC. و جی اونروه از موسسه تحقیقات پزشکی استاورز. نویسندگان مقاله روش‌های گزارش سلولی عبارتند از Cutrale، نویسنده اول Pu Wang، Scott Fraser، Thai Truong، Kevin Keomanee-Dizon و Masahiro Kitano که همه از USC هستند. Keomanee-Dizon همچنین به دانشگاه پرینستون وابسته است.
او گفت: “ما محورهای X و Y تصویر – ارتفاع و عرض آن – و همچنین اطلاعات طیفی روی محور طول موج را با هم در یک تصویر واحد با یک دوربین استاندارد گرفته ایم.” “این یک رویکرد کاملا قدرتمند است. ما کارایی هایی در این رویکرد سخت افزاری به دست آوردیم که در برخی موارد تا هشت برابر سریعتر از ابزار دقیق موجود است. به عبارت دیگر، هشت برابر نور بیشتر به سنسور دوربین در این حالت فشرده می رسد.”
به گفته فرانچسکو کوتراله، محقق ارشد و استادیار پژوهشی در دانشکده مهندسی USC Viterbi، این روش جدید با نحوه ارائه سطوح مختلف فشرده‌سازی یک سرویس پخش برای اطمینان از سازگاری ویدیوی آنها بدون توجه به اتصال اینترنت کاربر، قابل مقایسه است.
این روش ها روزی می توانند برای پردازش سریع بیوپسی بافت در مراقبت از سرطان یا شناسایی باکتری ها در کارخانه های فرآوری مواد غذایی مورد استفاده قرار گیرند.
Cutrale گفت: “فضای تحقیقاتی برای درک سیستم های پیچیده بیولوژیکی وجود دارد.” “در حالی که محققان معمولاً تنها دو یا سه برچسب را به طور همزمان بررسی می کنند، حقیقت این است که بیش از چند عامل در درون سلول ها تعامل دارند. چالش این است که این سیگنال ها اغلب بسیار شبیه به نظر می رسند و تشخیص آنها را دشوار می کند. در مقاله ما، ما تا 14 سیگنال مختلف را با موفقیت شناسایی و جدا کرده ایم. این پیشرفت، درک جامع تری از فعالیت درون سیستم های سلولی و بیولوژیکی را در اختیار محققان قرار می دهد.
منبع: