当“看见细胞”走向“预测细胞”：多色成像如何为AI虚拟细胞注入真实数据

光学多重成像是生命科学与生物医学的核心工具，可同时可视化多种蛋白、细胞器或生物分子。活细胞多重成像长期受限于荧光染料的宽发射光谱，传统荧光显微镜通常难以同时清晰区分超过4-5种颜色。

当下火热的虚拟细胞模型构建，同样高度依赖活细胞内动态的实测成像数据作为训练基础。相比之下，拉曼散射峰宽极窄，尤其在细胞静默区（1800-2800 cm⁻¹）几乎没有内源分子干扰，是实现超高多重成像的优质技术通道。

前沿突破：活细胞多结构同步精准观测

2018 年，哥伦比亚大学闵玮团队在Nature Methods上发表了题为Supermultiplexed optical imaging and barcoding with engineered polyynes的研究，开发了工程化多炔拉曼探针“Carbow（碳彩虹工程化多炔拉曼探针）”。该团队通过调控多炔链长和同位素标记，获得了一系列拉曼位移可调、峰窄且信号强的探针，并成功用于活细胞超多重光学成像与条形码编码，突破了传统标记技术的维度限制。

在活细胞细胞器多重染色部分，该团队使用多种端基功能化的Carbow分别靶向线粒体（Mito）、溶酶体（Lyso）、质膜（PM）、内质网(ER)和脂滴（LD），同时结合靶向高尔基体（Golgi）、细胞核（Nuc）等的荧光探针，实现了“拉曼+荧光”在活细胞器动态研究中的巨大应用潜力。

图1：Carbow拉曼探针可实现亚微摩尔级别的检测信号响应，并具备良好的振动选择性和多通道联合成像特性。

平台实证：振电科技多模态系统复刻前沿成像成果

振电科技UltraView多模态非线性光学显微成像系统融合相干拉曼与荧光成像技术，支持单次实验实现活细胞多靶点同步成像。借助拉曼静默区染料探针窄峰标记，复现了4种Carbow拉曼探针的细胞器标记，并与两种荧光探针联用，在活细胞中实现了多重染色，进一步验证了该策略在细胞生物学研究中的可行性。

图2：四种Carbow拉曼探针（质膜PM、线粒体Mito、内质网ER、溶酶体Lyso）与相应荧光染料对活细胞呈现良好的共定位效果，可精准靶向相应细胞器。

相干拉曼通道（SRS）：采用功能化的Carbow探针分别标记质膜（PM）、线粒体(Mito)、内质网（ER）与溶酶体（Lyso）。探针自带特征炔基化学键，在细胞拉曼静默区产生极窄的特征拉曼峰，各探针之间几乎无光谱串扰，并且光谱与荧光通道完全正交。

双光子通道（TPEF）：选用BODIPY TR-ceramide靶向高尔基体（Golgi）、Tubulin Tracker 标记活细胞微管骨架网络。两种荧光探针在近红外飞秒激光下进行双光子激发，其荧光发射位于可见光区；而SRS检测的是近红外pump差分信号。二者可有效分离，实现TPEF与SRS的多通道复合成像。

图3：细胞（HeLa ）多色多模态成像。

通过振电科技UltraView多模态成像平台，结合细胞静默区工程化拉曼染料、光谱拆分算法与TPEF荧光双通道，实现细胞多色同步成像。在单次活细胞实验中完成六种亚细胞结构的同步、长时间、低损伤观测。

图4：细胞(U2OS)多色多模态成像。

通过振电科技UltraView多模态成像平台，使4种Carbow拉曼细胞器探针联合2种荧光探针，对活细胞实现多色成像。各细胞器轮廓完整清晰，不同通道信号分离度良好。

UltraView多模态成像协同赋能超多重活细胞成像

振电科技UltraView多模态非线性光学显微成像系统，通过拉曼染料极窄的光谱峰宽，系统理论上支持多达30色标记潜力，并支持多种功能探针混合共孵育，单次成像完成多靶点信号同步采集。

高灵敏度与特异性成像

结合相干拉曼成像技术，探针拥有优异的检测灵敏度与光谱特异性，在同一套系统上完成细胞器、特定靶标蛋白的特异性成像，实现多类标记体系兼容。

超多重活细胞成像能力

依托多模态成像，可实现多色活细胞同步成像，搭配多模态低损伤成像方案，可对活细胞开展长时间动态追踪观测，降低光毒性、光漂白对活细胞样本的干扰。

良好的活细胞兼容性

探针光稳定性优异、细胞毒性低，同时具备良好细胞膜通透性，可满足活细胞长时间动态观察的实验需求。

广泛的科研适用场景

可应用于发育生物学、神经系统研究、肿瘤微环境解析、原位RNA分析等多个前沿生命科学方向。

近期随着虚拟细胞的火热，模型的仿真精度需要依托真实成像数据的支撑。振电科技UltraView多模态成像平台不止实现了高精度多维度活细胞成像，也为虚拟细胞研究提供了可复用、高保真的活细胞原位动态数据资源。

振电科技打通了前沿探针技术与科研落地的应用壁垒，依托相干拉曼与双光子荧光同步采集能力，突破传统荧光成像局限，在保真细胞生理状态下完成多靶点并行观测，既为细胞生物学动态研究提供高效成像方案，也为生命科学从“看见细胞”向“预测细胞”的范式升级，夯实了核心数据基础。

文献来源：

[1] Hu F, Zeng C, Long R, et al. Supermultiplexed optical imaging and barcoding with engineered polyynes[J]. Nature Methods, 2018, 15(3): 194-200. DOI: 10.1038/nmeth.4578.

[2] Wei L, Chen Z, Shi L, et al. Super-multiplex vibrational imaging[J]. Nature, 2017, 544(7651): 465-470. DOI: 10.1038/nature22051.