NatMethods|戴瓊海團隊突破熒光鈣成像光子噪聲極限

　　鈣成像能夠以單細胞分辨率并行記錄活體動物的神經活動，為破解神經回路中信息的傳播、整合和計算機制提供了可能。為了進行準確的神經功能分析，獲取高信噪比的鈣成像數據尤其關鍵。然而，由于在體鈣瞬變（Calcium transient）的低峰值積累和快速動態特性【1,2】，使得探測器無法捕捉足夠多的熒光光子，一直以來難以突破光的量子本質所導致的泊松噪聲極限。鈣成像信噪比過低的問題長期困擾著神經科學家，現有方法不得不通過犧牲成像速度、分辨率或者組織活性來換取圖像信噪比，而極大地限制了生命科學的發展。

　　2021年8月16日，Nature Methods雜志在線發表了清華大學腦與認知科學研究院、自動化系戴瓊海課題組題為 Reinforcing neuron extraction and spike inference in calcium imaging using deep self-supervised denoising 的研究論文。該論文提出一種用于鈣成像去噪的自監督學習方法（DeepCAD），僅使用單個低信噪比的鈣成像視頻序列即可實現網絡訓練。

　　由于神經元鈣活動的高速、非重復特性，傳統監督學習所必需的訓練真值無法獲取，該自監督學習策略打破了對訓練真值的依賴，在鈣成像去噪方面取得突破。在此基礎上，DeepCAD使用三維網絡結構充分利用神經活動的時空相關性，將鈣成像信噪比提升十倍以上，克服了光子噪聲極限。該方法被用于觀測小鼠大腦皮層神經纖維網和神經元群落的鈣動態，實現了低激發功率下的高信噪比鈣成像，并可廣泛適用于各類鈣成像系統。

　　圖1. DeepCAD原理與應用示意圖

　　為了驗證該方法的準確性和可靠性，作者搭建了一套特殊的雙光子顯微鏡，樣本所發出的熒光光子在探測端被分光設備分為1:10的兩部分，兩路信號同步采集。低信噪比的圖像作為原始數據輸入網絡，高信噪比的圖像用于驗證輸出的結果。DeepCAD首先應用于小鼠大腦皮層Layer 1神經纖維網的鈣成像去噪，結果表明，去噪后的數據信噪比提升超過十倍，原本淹沒在噪聲中的鈣活動可以被真實地恢復出來。

　　圖2. DeepCAD恢復淹沒在噪聲中的神經纖維網鈣動態，信噪比提升十倍以上

　　DeepCAD同樣被應用于觀測小鼠大腦皮層Layer2/3神經群落的鈣活動。去噪之后的鈣成像數據具有非常高的信噪比，僅從單幀圖像就能清晰辨認出神經元的形態和分布。由于有效去除了探測噪聲，胞體鈣信號的準確度也大幅提高。量化分析表明，DeepCAD增強后的鈣成像數據能夠明顯提升神經元分割（neuron extraction）和尖峰推測（spike inference）的準確度，有助于完整揭示神經回路活動，避免噪聲導致的信息損失。

　　圖3. DeepCAD用于神經群落鈣成像的去噪，準確解析神經元活動

　　最后，作者將預訓練的DeepCAD模型用于裝配有不同物鏡和探測器的多個雙光子顯微鏡上，結果表明，DeepCAD具有良好的泛化性和可擴展性，在不同的雙光子成像系統上均表現出優越的性能。

　　圖4. DeepCAD在不同的雙光子顯微鏡上均表現出優越的性能

　　為了簡化DeepCAD的使用流程，作者將該方法封裝為Fiji插件。目前相關代碼、插件和完整數據集已隨論文一同發布。除了神經鈣成像，該方法有望擴展到其他成像模式，如寬場顯微鏡、共聚焦顯微鏡和光片顯微鏡，或者其他功能成像場景，如細胞遷移觀測和電壓成像。DeepCAD可作為在光子受限情況下延時成像（time-lapse imaging）的一般數據處理步驟，實現對生物動態活動的低激發功率、長時程觀測。

　　圖5. DeepCAD的Fiji插件

　　清華大學自動化系博士生李欣陽、張國勛為該論文共同第一作者；清華大學腦與認知科學研究院、清華大學自動化系戴瓊海教授；清華大學深圳國際研究生院王好謙教授；清華大學電子系方璐副教授為該論文共同通訊作者。。

　　參考文獻

　　1 Sabatini, B. L., Oertner, T. G. & Svoboda, K. The Life Cycle of Ca2+ Ions in Dendritic Spines. Neuron 33, 439-452, doi:10.1016/s0896-6273(02)00573-1 (2002).

　　2 Chen, T. W. et al. Ultrasensitive fluorescent proteins for imaging neuronal activity. Nature 499, 295-300, doi:10.1038/nature12354 (2013).