机器学习能提高生物图像分析的效率与准确性，使细胞研究更精准！

2014年诺贝尔化学奖的得奖者，利用超分辨率显微镜来研究细胞，打开了细胞研究新世界的大门，揭示了细胞内纳米级的细节。

单分子定位显微镜（SMLM）是超分辨率显微镜的一种类型，它利用荧光分子标记蛋白质，并使用光线一次性激活几个分子。使用这种技术，可以得到同一样本的多个图像。但是，这种方法需要科学家收集大量的图像来研究，这个过程非常耗时。在一次国际合作中，图宾根大学教授Jakob Macke的团队研发了一种新的算法，节省了时间，提高了这项技术的效率。

DECODE（DEep COntext DEpendent）算法基于深度学习，运用一个从训练数据中学习获得的神经网络来完成。研究人员让通过模拟数据训练的神经网络，也能在真实图像中检测和定位荧光团。

DECODE能在比以前更高的密度下，准确地检测和定位荧光团，这意味着每个样本需要的图像更少。因此，成像速度可以提高到10倍，且分辨率的损失低。此外，DECODE还可以量化不确定性，因此网络本身可以在不确定其定位的时候进行检测。

题为“Deep learning enables fast and dense single-molecule localization with high accuracy”的相关研究论文发表在《自然方法》上。

前瞻经济学人APP资讯组

论文原文：

https://www.nature.com/articles/s41592-021-01236-x