非標識一分子イメージングによるキリンのキネシンの高速化機構の研究

利用非标记单分子成像研究长颈鹿驱动蛋白的加速机制

• 批准号: 19J14087
• 负责人: 小鷲 智理
• 金额: $ 1.09万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2019
• 资助国家: 日本
• 起止时间: 2019-04-25 至 2021-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19J14087/
• 关键词: iSCAT; 画像処理; 深層学習; キネシン; 非標識一分子観察

キリンのキネシンの高速化機構を検討するには、1 ms以下の時間分解能と数nmの精度が必要なので、蛍光一分子観察では十分でない。そこで、昨年度までiSCAT光学系の構築を進めてきた。本年度は、これを用いてキリンのキネシンの一分子を計測する予定だったが、コロナ禍による研究室閉鎖のため、iSCAT光学系で得られた画像の処理法を開発した。iSCATでは、ガラス/水の境界面からの反射光が、試料からの散乱光と干渉して0.1%程度変調される。この強度が散乱光に比べて粒子径依存性が低いので、10 nm以下のナノ粒子や非標識タンパク質の観察が可能となる。一方、変調されていない反射光が背景になるため、その不均一性や経時的変化を除くことが不可欠である。また、粒子が動いている場合には、数nmの高さ方向の動きにも鋭敏にコントラストが変化、反転することも画像処理を難しくしている。平均化や背景差分といった古典的な手法では十分な効果が得られなかったため、深層学習による背景処理を試みた。深層学習に必要な教師画像を取得するため、蛍光粒子を試料として用い、iSCAT画像と蛍光画像を同時取得できる光学系を構築した。深層学習には、顕微鏡画像のノイズ除去や高解像度化で実績のあるCARE2D(Content of aware image restoration for 2D)を使った。まず静止画像について処理すると、iSCAT画像のコントラストは10倍以上向上し、蛍光画像と同等になった。また、背景が不均一であっても50%以上の正確度で粒子が出力された。さらに、蛍光粒子の拡散運動の動画にも画像処理を発展させ、良好な結果を得た。上記の通り、コロナ禍での実験中断のため、キリンのキネシンの一分子観察は実施できなかったが、一分子観察光学系を構築し、深層学習を活用した新しい画像処理方法を提案することができた。

The time resolution energy of less than 1 ms and the accuracy of several nm are necessary for the investigation of the high-speed mechanism of the high-speed system. The construction of iSCAT optical system has been improved in recent years. This year, a molecular measurement method for the use of optical systems was developed. iSCAT can be adjusted to a 0.1% degree by reflecting light from the boundary surface of the sample and scattering light from the water. The intensity of this light is less dependent on the particle diameter than that of the scattered light, and the particle diameter below 10 nm is less than that of the scattered light. On one side, the reflected light is modulated and reflected in the background, and the inhomogeneity and temporal changes are eliminated. In the case of particle motion, the motion in the high direction of several nm is sensitive to the motion of particles, and the motion of particles is difficult to process. Averaging background difference and classical methods are very effective, and background processing is tried in deep learning. Deep learning requires the construction of an optical system for acquiring images of teachers, optical particles, and optical materials simultaneously. Deep learning is a method for removing and implementing CARE2D(Content of aware image restoration for 2D). The static image is more than 10 times higher than the static image, and the static image is equal to the static image. The background is uneven and the accuracy is more than 50%. In addition, the animation of the dispersion motion of the light particles is developed and the results are good. A molecular observation system is constructed and a new image processing method is proposed.