机器学习生成蛋白质5D图像，有助揭示微小尺度下的生物学过程

　　美国华盛顿大学科学家设计出一种机器学习算法Deep-SMOLM，生成了蛋白质的五维（5D）图像，包括单个分子的方向和位置等信息。相关研究发表于近期出版的《光学快报》杂志，有助于科学家更好地理解微小尺度下的生物学过程。

　　使用Deep-SMOLM测量单个分子的3D方向与2D位置。
图片来源：物理学家组织网

　　研究人员表示，这里的5D指的并非新的或隐藏的空间维度。他们设计出的新系统可分辨分子在三维空间中的方向以及在二维空间中的位置，也就是从一张有“噪音”的像素化图像中提取出5个参数。为从看似简单的光点中获取这些额外的复杂信息，团队设计出了机器学习算法Deep-SMOLM，而且增加了额外的步骤。

　　研究团队称，在实验室进行的单分子成像往往非常“嘈杂”，包含“斑点”或波动，可能会导致图像变得模糊不清。对于大多数机器学习神经网络来说，有效地处理这种“噪音”可能非常复杂。鉴于此，研究团队借助Deep-SMOLM处理图像，还增加了一种“处理后”步骤，能直接计算第一个算法得到的结果。

　　在处理了数千张快照后，研究团队得到了一幅“美丽的图像”，它使用颜色、曲率和方向来昭示数千个分子是如何相互连接的。研究人员表示，这一系统将有助于更好地理解微小尺度的生物学过程，比如淀粉样蛋白如何聚集形成与阿尔茨海默病相关的缠结结构等。