单分子定位显微镜Single-molecule localization microscopy (SMLM) 彻底改变了生物成像，将传统显微镜的空间分辨率提高了一个数量级。然而，单分子定位显微镜SMLM技术需要长的采集时间，通常为几分钟，以产生单个超分辨图像，因其依赖于数千个记录帧上的许多定位累积。因此，在高时间分辨率下，单分子定位显微镜SMLM观测动态的能力，一直受到限制。近日，以色列理工学院（Technion-Israel Institute of Technology） Alon Saguy，Yoav Shechtman等，在Nature Methods上发文，提出了一种基于深度学习的超时空分辨率重建方法DBlink。DBlink的输入是单分子定位显微镜SMLM数据的记录视频，输出是超时空分辨率视频重建。
利用用卷积神经网络与双向长短期记忆网络架构相结合，旨在捕捉不同输入帧之间的长期相关性。DBlink性能验证在模拟细丝和线粒体样结构、在受控运动条件时实验单分子定位显微镜SMLM数据上，以及在活细胞动态SMLM。DBlink时空插值构成了活细胞动态过程超分辨率成像的重要进展之一。
DBlink: dynamic localization microscopy in super spatiotemporal resolution via deep learning.
DBlink：基于深度学习，实现了超时空分辨率的动态定位显微镜。
图1:DBlink概念。
图2:模拟纤维丝数据的生成和分析。
图3:全局运动期间的静态结构重建。
图4:在微管上，跟踪动态移动的动力蛋白马达。
图5:DBlink与其他先进方法的定性比较。
文献链接
Saguy, A., Alalouf, O., Opatovski, N. et al. DBlink: dynamic localization microscopy in super spatiotemporal resolution via deep learning. Nat Methods (2023).
https://doi.org/10.1038/s41592-023-01966-0
https://www.nature.com/articles/s41592-023-01966-0
本文译自Nature。
来源：今日新材料
声明：仅代表译者个人观点，小编水平有限，如有不当之处，请在下方留言指正！
