超分辨率活细胞成像，最新Nature Methods！

背景：超分辨率荧光显微镜是研究亚细胞结构的重要工具，但其在活细胞成像中面临光毒性、光漂白和时间分辨率下降等挑战。结构光照明显微镜（SIM）虽适合长期成像，但传统重建方法易在低信噪比下产生伪影，而依赖真实数据的深度学习SIM方法缺乏可靠训练数据。研究目的：为解决上述问题，研究团队开发了一种自监督重建结构光照明显微镜（SSR-SIM）方法，旨在消除对真实训练数据的依赖，提高重建精度，实现长期、高保真的活细胞超分辨率成像。结论：SSR-SIM结合了自监督学习框架和物理信息混合重建模型，在多种生物过程成像中表现出优越性能，包括细胞骨架重塑、细胞器动态和病毒诱导过程等，具有高时空分辨率、低光损伤和广泛适用性，为生物现象发掘提供了有力工具。