【儀表網(wǎng) 研發(fā)快訊】單分子熒光共振能量轉(zhuǎn)移(FRET)技術(shù)是研究納米尺度生物分子動(dòng)態(tài)和相互作用的前沿生物物理工具。傳統(tǒng)的長(zhǎng)時(shí)間單分子FRET測(cè)量通常依賴于全內(nèi)反射熒光(TIRF)顯微鏡，通過(guò)追蹤單個(gè)熒光分子的強(qiáng)度變化，揭示分子層面的動(dòng)態(tài)信息。然而，這一過(guò)程產(chǎn)生的大量數(shù)據(jù)對(duì)數(shù)據(jù)分析和篩選提出了挑戰(zhàn)。傳統(tǒng)的人工或半自動(dòng)化方法不僅效率低下，而且容易引入主觀偏差，嚴(yán)重依賴于實(shí)驗(yàn)者的經(jīng)驗(yàn)。深度學(xué)習(xí)模型的應(yīng)用則極大地減少了人為錯(cuò)誤，提高了數(shù)據(jù)處理的速度和準(zhǔn)確性。盡管如此，現(xiàn)有的深度學(xué)習(xí)模型往往難以根據(jù)用戶的特定需求進(jìn)行優(yōu)化。
 

　　10月28日，清華大學(xué)生命科學(xué)學(xué)院和北京生物結(jié)構(gòu)前沿研究中心陳春來(lái)課題組在《通訊·生物學(xué)》(Communications Biology)雜志發(fā)表了題為“基于深度學(xué)習(xí)和局部特征的單分子熒光事件自動(dòng)識(shí)別方法”(Deep learning based local feature classification to automatically identify single molecule fluorescence events)的論文，介紹了一種名為DEBRIS(Deep lEarning Based fRagmentatIon approach for Single-molecule fluorescence event identification)的新方法，專注于對(duì)單分子熒光軌跡的局部特征進(jìn)行分類(lèi)。通過(guò)調(diào)整用戶定義的標(biāo)準(zhǔn)，DEBRIS能夠利用同一AI模型，精確篩選和分析四種不同類(lèi)型的單分子熒光事件。
 

　　DEBRIS的核心理念在于，所有長(zhǎng)時(shí)間尺度的單分子軌跡都是由有限類(lèi)型的包含特定局部特征的短片段構(gòu)建而成的。類(lèi)似于俄羅斯方塊中，有限的積木類(lèi)型可以拼接出多種多樣的復(fù)雜結(jié)構(gòu)。DEBRIS模型中包含七個(gè)類(lèi)別的雙通道短片段強(qiáng)度-時(shí)間跡線，以模擬單分子雙色熒光實(shí)驗(yàn)中常見(jiàn)的局部特征(圖1a)。在應(yīng)用時(shí)，DEBRIS采取滑動(dòng)窗口逐幀預(yù)測(cè)局部特征，這一過(guò)程將強(qiáng)度-時(shí)間軌跡轉(zhuǎn)換為模式-時(shí)間軌跡(圖1b)。隨后，根據(jù)用戶定義的標(biāo)準(zhǔn)將其進(jìn)一步分類(lèi)為不同組別，并識(shí)別單分子事件。結(jié)合預(yù)測(cè)短片段的局部特征、滑動(dòng)窗口技術(shù)和用戶定義的標(biāo)準(zhǔn)，DEBRIS能夠適應(yīng)任意模式和任意長(zhǎng)度的雙通道熒光軌跡，為單分子熒光事件的自動(dòng)識(shí)別提供了一種強(qiáng)大的工具。
 

圖1.DEBRIS的訓(xùn)練集構(gòu)建和基本流程
 

　　為了評(píng)估DEBRIS在雙色熒光軌跡上的分類(lèi)性能，研究人員使用了五組單分子雙色FRET數(shù)據(jù)集(圖2)。以人工分類(lèi)結(jié)果作為基準(zhǔn)時(shí)，DEBRIS獲得的FRET分布與人工分類(lèi)結(jié)果相似性達(dá)到99%。這一結(jié)果凸顯了DEBRIS的準(zhǔn)確性，同時(shí)顯示出DEBRIS在效率、客觀性和可重復(fù)性方面具有顯著優(yōu)勢(shì)。
 

圖2.DEBRIS分類(lèi)性能評(píng)估
 

　　研究人員利用DEBRIS首次實(shí)現(xiàn)對(duì)動(dòng)態(tài)出現(xiàn)的熒光信號(hào)的準(zhǔn)確識(shí)別。動(dòng)態(tài)單分子熒光信號(hào)是指在采集開(kāi)始時(shí)并不存在熒光信號(hào)，但由于擴(kuò)散的標(biāo)記分子與表面固定的分子相互作用導(dǎo)致熒光信號(hào)在采集過(guò)程中出現(xiàn)(圖3)。例如，在研究Cas12a對(duì)DNA的切割過(guò)程中，可以動(dòng)態(tài)捕捉到Cas12a結(jié)合、切割和DNA片段解離等一系列動(dòng)態(tài)過(guò)程(圖3a)。但已發(fā)表的深度學(xué)習(xí)模型尚無(wú)法有效處理此類(lèi)動(dòng)態(tài)單分子熒光信號(hào)。研究人員展示了DEBRIS可自動(dòng)識(shí)別出Cas12a的結(jié)合和切割事件，并基于分類(lèi)結(jié)果生成了FRET概率隨時(shí)間變化密度圖，可表征切割過(guò)程中Cas12a的一系列復(fù)雜構(gòu)象變化。
 

圖3.DEBRIS在捕捉動(dòng)態(tài)熒光信號(hào)中的應(yīng)用
 

　　DEBRIS模型雖然是利用雙色跡線進(jìn)行訓(xùn)練的，但也可以拓展用于單色單分子熒光軌跡。研究人員對(duì)此也進(jìn)行了驗(yàn)證(圖4)

 

圖4.DEBRIS在單色單分子熒光軌跡上的應(yīng)用
 

　　DEBRIS通過(guò)精準(zhǔn)識(shí)別單分子熒光軌跡的局部特征，并允許根據(jù)實(shí)驗(yàn)設(shè)計(jì)靈活調(diào)整分類(lèi)標(biāo)準(zhǔn)，實(shí)現(xiàn)了在不修改神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的前提下，對(duì)雙色/單色實(shí)驗(yàn)條件下的穩(wěn)定和動(dòng)態(tài)單分子熒光信號(hào)進(jìn)行準(zhǔn)確識(shí)別。這種創(chuàng)新的方法為單分子熒光技術(shù)的應(yīng)用提供了一個(gè)高效的數(shù)據(jù)分析工具，極大地?cái)U(kuò)展了其在生物物理研究中的潛力。
 

　　清華大學(xué)生命科學(xué)學(xué)院陳春來(lái)副教授為論文通訊作者，生命科學(xué)學(xué)院2021級(jí)博士生周書(shū)棋為論文第一作者。生命科學(xué)學(xué)院2024屆博士畢業(yè)生苗昱、2023級(jí)博士生邱浩仁和香港科技大學(xué)數(shù)學(xué)系教授姚遠(yuǎn)為研究提供了重要支持。研究得到國(guó)家自然科學(xué)基金委員會(huì)、國(guó)家自然科學(xué)基金委員會(huì)與香港研究資助局聯(lián)合科研資助基金、北京生物結(jié)構(gòu)前沿研究中心、膜生物學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室的支持。