在活細胞成像領域，捕獲罕見、瞬時的生物學事件（如細胞器接觸、線粒體分裂）長期以來面臨一個根本矛盾：高時間分辨率的熒光成像會產生光毒性，損害細胞健康；而溫和的無標記成像（如相位襯度）又缺乏分子特異性。瑞士洛桑聯邦理工學院（EPFL）的 Willi L. Stepp, Giorgio Tortarolo, Juan C. Landoni 等研究人員提出了一種創(chuàng)新的智能成像框架，巧妙化解了這一難題。

該團隊在《Nature Communications》期刊上發(fā)表了題為“Smart hybrid microscopy for cell-friendly detection of rare events”的研究論文，于2026年1月正式上線。他們開發(fā)了一種名為“hybrid-EDA”（混合事件驅動采集）的技術。其核心思想在于，讓顯微鏡在絕大部分時間里運行于極其溫和的相位襯度成像模式，對樣品進行“監(jiān)視”；同時，利用一個經過訓練的、能夠從相位襯度圖像序列中識別特定事件（如細胞器接觸）的神經網絡進行實時分析。一旦神經網絡檢測到目標事件，系統(tǒng)便自動、智能地切換到熒光成像模式，在關鍵時刻獲取具有分子特異性的功能信息。這種“按需點亮”的策略，將光毒性對細胞的影響降低了超過100倍，使得在保持細胞健康的前提下，將實驗持續(xù)時間或捕獲的稀有事件數量提升了一個數量級。

重要發(fā)現
01核心貢獻：構建“監(jiān)視-觸發(fā)”的智能成像閉環(huán)
本文的核心貢獻是成功構建并驗證了一套完整的智能混合成像系統(tǒng)。該系統(tǒng)將相位襯度成像的“低光毒性、高內涵信息”與熒光成像的“高特異性、功能性”優(yōu)勢相結合，形成了一個高效的“兩態(tài)機”工作流。在“監(jiān)視態(tài)”，顯微鏡僅使用相位襯度光持續(xù)成像，一個事件檢測神經網絡實時分析圖像流。當檢測到預設的稀有事件（如線粒體與脂滴接觸）時，系統(tǒng)立即切換到“采集態(tài)”，啟動多通道（相位+熒光）關聯成像，捕捉事件的功能細節(jié)。事后，系統(tǒng)又自動切換回溫和的監(jiān)視態(tài)。這種動態(tài)切換機制是減少不必要光照射的關鍵。

攻克相位襯度圖像中的事件檢測難題
實現hybrid-EDA的最大挑戰(zhàn)在于，如何在信息豐富但特征模糊的相位襯度圖像中可靠地檢測特定事件。研究人員針對兩種生物學事件開發(fā)了不同的神經網絡訓練策略。

針對細胞器接觸事件：他們手動標注了相位襯度圖像中線粒體與球形細胞器（如溶酶體或脂滴）的接觸事件，作為訓練數據。為了提升模型在稀有事件檢測上的性能，他們采用了軟焦點損失函數，并發(fā)現向網絡輸入連續(xù)多個時間點的圖像（利用動態(tài)信息）能將最佳模型的召回率提升近一倍。這使系統(tǒng)能捕獲更多的真實事件。

針對線粒體分裂事件：線粒體分裂前體（短暫收縮）的信號更加細微。研究人員采用了多步驟訓練策略，并引入了狀態(tài)化U-Net架構。該架構在編碼器與解碼器之間加入了長短期記憶層，使網絡具備了追蹤跨時間序列的細微動態(tài)特征的能力，從而顯著提升了模型在驗證數據集上的F0.1分數和精確度，減少了誤報。

智能捕獲細胞器接觸：系統(tǒng)能在相位襯度下檢測到線粒體與球形細胞器的接觸，并自動觸發(fā)熒光成像，從而鑒定出接觸伙伴是PLIN5標記的脂滴或LysoTracker標記的溶酶體。平均每3.1分鐘檢測到一次接觸事件，每次事件僅采集約20幀熒光圖像，相比連續(xù)熒光成像，每個事件的光毒性降低了9倍。

智能捕獲線粒體分裂及膜電位動力學：系統(tǒng)能檢測線粒體分裂前體，并觸發(fā)成像以觀察分裂因子DRP1的動態(tài)。研究發(fā)現，DRP1信號在分裂后仍存在于兩個子代線粒體的尖端。此外，該技術還能捕獲到與分裂位點相關的、快速可逆的線粒體膜電位“閃爍”，這種亞細胞區(qū)域的快速電位變化在傳統(tǒng)低速率成像中難以被發(fā)現。對于典型的細胞，該方法使成像時間延長了約10倍。

創(chuàng)新與亮點
01突破“特異性”與“友好性”不可兼得的成像困境
傳統(tǒng)活細胞成像必須在高光毒性的特異性熒光成像與低特異性但溫和的無標記成像之間做出艱難取舍。本文提出的hybrid-EDA框架從根本上改變了這一范式。它不再試圖“兼顧”或“折中”，而是創(chuàng)造性地將兩種模式動態(tài)組合：用無創(chuàng)的“眼睛”（相位襯度）持續(xù)觀察，只在關鍵時刻啟動“化學探針”（熒光）進行精準識別。這解決了長期觀察稀有動態(tài)事件時，樣品健康與信息質量無法兩全的核心難題。

事件檢測的“時空結合”：針對不同事件特性，創(chuàng)新性地采用了多時間點輸入和狀態(tài)化網絡（LSTM），使神經網絡能夠理解事件的“動態(tài)演變過程”，而不僅僅是單幀的靜態(tài)形態(tài)，這在檢測如線粒體收縮這類細微事件時至關重要。

以Fβ分數為導向的優(yōu)化：模型訓練優(yōu)先優(yōu)化F0.1分數，即強調高精確度（降低誤報），而非高召回率。這一設計哲學與hybrid-EDA的目標高度一致：寧愿錯過少數真實事件（假陰性），也要極力避免因誤報而啟動不必要的、有害的熒光成像（假陽性），最大化保護細胞。

拓展功能性熒光傳感器的應用：許多功能性熒光傳感器（如鈣離子、膜電位傳感器）光穩(wěn)定性差。本技術通過極短時間的觸發(fā)式成像，能更好地利用這些不穩(wěn)定但功能強大的探針，研究快速、瞬時的生理信號。

為超分辨成像等“高耗光”技術鋪路：文章指出，該核心思想可進一步與結構光照明顯微鏡、STED等超高分辨率技術結合。這意味著未來有可能以極低的光損傷代價，獲取罕見生物學事件的超精細結構信息，在神經突觸傳遞、病毒侵染等過程中具有巨大潛力。

總結與展望
本研究成功開發(fā)并驗證了智能混合顯微鏡技術hybrid-EDA，它通過深度學習實時解析相位襯度圖像來觸發(fā)熒光采集，實現了對稀有生物學事件的“按需、低損”觀測，將活細胞成像的友好性與功能性提升到了新高度。展望未來，該框架具有高度的可擴展性：一方面，可通過結合定量相位成像、自適應光學等技術，豐富“監(jiān)視態(tài)”的信息維度，檢測更多類型的事件；另一方面，其“事件驅動”的核心邏輯可遷移至其他成像模態(tài)（如高分辨率熒光、拉曼成像），最終形成一個通用的、智能化的成像平臺，助力科學家在最小化人為干擾的前提下，揭示生命動態(tài)過程的更深層奧秘。

DOI:10.1038/s41467-025-68168-4.