《Nature Communications》：High-fidelity single-frame computational super-resolution using signal-preserving denoising-enabled deconvolution
编辑推荐：
现有计算超分辨方法在从单帧宽场或转盘共焦图像实现纳米级成像时，面临噪声干扰、伪影及泛化性不足等挑战。为此，研究人员开发了3Snet-CLID方法，它将一种混合监督/自监督的深度学习方法用于信号保持去噪，并与直接Richardson–Lucy解卷积相结合。该方法在常规显微镜上实现了超过5倍的分辨率提升，成功解析了活细胞和固定细胞中线粒体外膜、内质网、核孔等结构，为高保真纳米级活细胞成像提供了强大且易用的平台。
在生命科学研究中，看清细胞的微观世界至关重要。然而，传统光学显微镜的分辨率受限于光的衍射极限，难以看清200纳米以下的精细结构，比如细胞器之间的相互作用、生物大分子的精确定位。为了突破这一极限，科学家们开发了超分辨成像技术。其中，计算超分辨（Computational super-resolution, SR）方法无需对硬件进行复杂改造，仅通过算法处理常规显微镜（如宽场或转盘共焦显微镜）拍摄的单帧图像，就能实现纳米级成像，这为活细胞动态观察提供了巨大潜力。但这条“计算”之路也充满挑战：基于统计模型的图像恢复方法容易受到噪声干扰并产生伪影；而新兴的深度学习方法虽然强大，却常常像一把特定的钥匙，只能在训练过的数据上表现良好，换一个样本或实验条件就可能“失灵”，缺乏泛化能力。那么，能否开发一种既强大又可靠的计算超分辨方法，在有效去除噪声的同时，忠实保留真实的生物信号，从而实现对细胞纳米结构的稳定、高保真成像呢？
为了回答这个问题，研究人员在《Nature Communications》上发表了一项研究，他们开发了一种名为3Snet-CLID的计算超分辨新方法。该方法的核心创新在于将深度学习的感知能力与传统算法的物理约束巧妙结合。具体而言，它集成了一种混合监督/自监督的深度学习网络，专门用于进行“信号保持”去噪，再与经典的Richardson–Lucy解卷积直接结合。其中，3Snet的逐像素去噪策略能够有效抑制图像噪声，同时维持信号的真实分布，从而减轻伪影并增强方法的整体鲁棒性。研究结果表明，3Snet-CLID能够在常规显微镜上实现超过5倍的 resolution improvement，成功揭示了在标准标记条件下，活细胞和固定细胞中线粒体外膜、内质网、核孔复合体等多种精细结构。这项工作通过克服计算超分辨中的关键瓶颈，提供了一个兼具强大去噪能力和高可及性的平台，有力推动了高保真纳米级活细胞成像的发展。
本研究主要采用了以下几项关键技术方法：1. 混合监督/自监督深度学习网络（3Snet）用于信号保持去噪；2. 经典的Richardson–Lucy（RL）解卷积算法；3. 基于宽场显微镜和转盘共焦显微镜的图像采集；4. 活细胞及固定细胞样本的制备与标准免疫荧光或荧光蛋白标记技术。
研究结果
3Snet-CLID实现高保真计算超分辨
研究人员首先验证了3Snet-CLID方法的整体性能。通过将混合监督/自监督去噪网络（3Snet）与Richardson–Lucy（RL）解卷积结合，该方法从单帧宽场或转盘共焦图像中成功重建出超分辨图像。结果表明，与现有方法相比，3Snet-CLID在有效抑制噪声的同时，显著减少了伪影的产生，并保持了图像信号的原始分布，从而实现了更高的图像保真度。
在常规显微镜上实现超过5倍的分辨率提升
量化评估显示，应用3Snet-CLID方法后，在常规的宽场或转盘共焦显微镜系统上，成像的空间分辨率得到了超过5倍的提升。这一提升使得原本在衍射极限下模糊或不可分辨的亚细胞结构细节得以清晰呈现，验证了该方法突破硬件分辨率极限的强大能力。
解析多种亚细胞纳米结构
利用提升后的分辨率，研究在活细胞和固定细胞中清晰地观察到了多种关键的亚细胞纳米结构。这包括线粒体的外部边界（线粒体外膜）、交织成网状的 endoplasmic reticulum（内质网），以及核膜上的核孔复合体。这些观察均在常规的标准荧光标记条件下完成，证明了该方法在复杂生物样品中的实用性和有效性。
在活细胞成像中展现优势
研究特别展示了3Snet-CLID在活细胞动态成像中的应用。由于该方法处理的是单帧图像，且计算效率较高，因此能够应用于对光毒性敏感的活细胞样本进行时间序列成像，捕获细胞器的动态过程，如线粒体形态变化，而不会对细胞活性产生显著影响，凸显了其在生命过程研究中的价值。
本研究得出结论，3Snet-CLID作为一种集成了信号保持去噪与直接解卷积的计算超分辨方法，有效地解决了现有统计方法噪声敏感、伪影多以及深度学习方法泛化性不足的关键瓶颈。其逐像素的信号保持去噪策略是提升成像保真度和鲁棒性的核心。该方法在常规显微镜平台上实现了超过5倍的 resolution improvement，并成功应用于活细胞和固定细胞中多种细胞器纳米结构的清晰成像。这些结果证明，3Snet-CLID为科研人员提供了一个无需复杂硬件改造、易于使用且结果可靠的高保真纳米级成像平台，尤其在活细胞动态观察领域具有重要的应用前景，有望推动细胞生物学、神经科学等领域在纳米尺度上对生命过程的深入理解。
