查看原文
其他

The Innovation | 以质谱成像为中心的多模态影像技术:从分子检测到功能发现

C Zhao & J Dong TheInnovation创新 2021-11-28

导 读


“人类天生就可以收集大量的视觉信息。我们喜欢图片,并从简单的图片中获取大量信息。”范德堡大学质谱研究中心Richard M. Caprioli教授表示,这也是质谱成像技术获得科学家关注的重要原因之一!近年来,以质谱成像为中心的多模态影像技术,实现了对生物信息的多维度分析和整合,已广泛应用于肿瘤发生发展、脑科学、环境毒理学、药物代谢等领域。


质谱成像技术将质谱技术的分子信息和成像技术的空间信息有机结合起来,可以原位地对各种生物分子进行定性、定量和空间定位的分析,具有免标记、高通量和高灵敏度等优势,是药物研发、肿瘤异质性分析、新型环境污染物毒性探索、肿瘤发生发展及其相关标志物筛选的重要手段

然而,在更高层次的生命现象研究中,质谱成像技术仍存在不足之处,例如:难以表征样品的组织形态并获取病理信息、难以实现活体成像、空间分辨率受限以及动态信息缺乏等。目前,磁共振成像、显微镜成像以及CT成像等成熟的成像技术,能够弥补质谱成像技术的不足。因此,以质谱成像为基础,整合一个或多个其它成像技术,利用计算机后处理方法,对不同模态的影像信息进行有机融合,形成基于质谱成像的多模态融合分析策略,有望成为下一代生命科学研究的主流分析技术。

图1 以小鼠胎儿为模型的多模态融合策略


一、多模态融合策略

以质谱成像数据为基准,其它成像数据为辅助进行融合的策略。例如,将质谱成像和显微镜成像、红外光谱等成像技术相结合,通过信息融合,获得更为丰富的高分辨组织信息,从而更好地研究肿瘤异质性和预测分子表型等;此外,为了实现生物标本的活体成像,可事先构建磁共振、CT或超声等活体成像的形态学数据与质谱成像的分子信息数据之间的映射模型,然后利用活体成像技术获取待测组织的形态学数据,预测其分子表型,并从代谢和蛋白等角度揭示肿瘤等疾病发生发展的分子机制,更好地指导分子诊断、治疗及预后分析。


二、关键影响因素

图像配准和数据融合是多模态影像技术的关键。近年来,研究人员已经开发了一些多模态融合算法,如:M2aia、Elastix、以及基于深度学习的DeepReg方法等。其中,部分算法已被用于以质谱成像为基础的多模态成像分析中。由于质谱成像数据具有维数高、信噪比低、缺失值严重和分析耗时等特点,使得开发更高效的多模态融合算法仍然具有很大的挑战性。


总结和展望

质谱成像技术已经从2D逐渐发展到3D甚至是4D水平的成像,可以获取更为丰富的分子信息。期待在人工智能算法高速发展的背景下,会涌现出更多基于质谱成像的多模态融合方法,同时建立更多更全面的Benchmark数据库,助力研究者高效地获取关于生物组织的多尺度和多维度的影像数据,从而更深入地解读和发现新的生命科学现象。



扫二维码|查看原文

原文链接:https://www.cell.com/the-innovation/fulltext/S2666-6758(21)00076-X

本文内容来自Cell Press合作期刊The Innovation第二卷第四期以Commentary发表的“Mass spectrometry imaging-based multi-modal technique: Next-generation of biochemical analysis strategy” (投稿: 2021-05-10;接收: 2021-07-10;在线刊出: 2021-08-11)。


DOI: https://doi.org/10.1016/j.xinn.2021.100151


引用格式:Zhao C., Guo L., Dong J., Cai Z. (2021). Mass spectrometry imaging-based multi-modal technique: Next-generation of biochemical analysis strategy. The Innovation. 2(4),100151.



作者简介

赵超,博士,中科院深圳先进技术研究院副研究员,中国科学院大学硕士生导师。主要研究方向为质谱和质谱成像方法开发、典型环境污染物的生物体暴露和健康危害机制研究、肿瘤代谢机制等。以一作或通讯作者在国际期刊(Nucleic Acids Res., Sci. Bull., Mass Spectrom. Rev., Environ. Sci. & Technol., Environ. Int.等)发表论文20余篇。主持国自然面上、青年基金、广东省面上基金、深圳市基础研究重点项目等。获“香江学者”奖等。


董继扬,博士,厦门大学教授、博士生导师。主要从事机器学习、高维数据统计和网络建模方法的研究,及其在质谱成像、代谢组学和健康大数据等领域的应用。已发表期刊论文100余篇。主持国家自然科学基金面上项目,福建省自然科学基金项目,并参加国家自然科学基金重大仪器专项、卫生部福建省卫生教育联合攻关计划项目等20余项。


蔡宗苇,博士,香港浸会大学教授,郭一伟讲座教授,二噁英分析实验室主任,环境与生物分析国家重点实验室主任;长期从事质谱及其在环境、生物、药物和痕量有机污染物的应用研究,目前主要研究与环境污染物相关的人体健康和疾病,已发表600多篇SCI论文;2003年获国家自然科学“杰出青年”基金(海外),2013年获聘教育部“长江学者”讲座教授。



往期推荐


The Innovation | 新型植入材料涂层助力骨缺损修复


► 点击阅读


The Innovation | 绘制人类脑图谱:下一个前沿是什么?


► 点击阅读


The Innovation | 二维材料:未来应用之星


► 点击阅读


The Innovation | clusterProfiler:聚焦海量组学数据核心生物学意义


► 点击阅读


The Innovation | 学习自然,点亮未来


► 点击阅读


The Innovation | “HGP: 人类基因组计划”的初衷和使命是什么?


► 点击阅读




期刊简介



扫二维码 | 关注期刊官微


The Innovation 是一本由青年科学家与Cell Press于2020年共同创办的综合性英文学术期刊:向科学界展示鼓舞人心的跨学科发现,鼓励研究人员专注于科学的本质和自由探索的初心。作者们来自全球24个国家;每期1/3-1/4通讯作者来自海外。目前有185位编委会成员,来自21个国家;51%编委来自海外;包含1位诺贝尔奖获得者,26位各国院士;领域覆盖全部自然科学。The Innovation已被DOAJ,ADS,Scopus等数据库收录。


期刊官网1(Owner):

www.the-innovation.org

期刊官网2(Publisher):

www.cell.com/the-innovation/home

期刊投稿(Submission):

www.editorialmanager.com/the-innovation

商务合作(Marketing):

marketing@the-innovation.org



Logo|期刊标识

See the unseen & change the unchanged

创新是一扇门,我们探索未知;  

创新是一道光,我们脑洞大开;  

创新是一本书,我们期待惊喜;  

创新是一个“1”,我们从此走起。


第2卷第2期

第1卷第1期

第1卷第2期

第1卷第3期

第2卷第1期

: . Video Mini Program Like ,轻点两下取消赞 Wow ,轻点两下取消在看

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存