霍华德休斯医学研究所和Eunice Kennedy Shriver国家儿童健康与人类发展研究所的研究人员正在第一眼看到活细胞的内部运作，这要归功于诺贝尔奖获得者Eric Betzig在Drexel工程师的帮助下开创的新型显微镜技术大学。他们的方法使用光网格激活每种类型的细胞器上的荧光颜色标签 - 结果是一个3-D视频，让研究人员最好地了解细胞的功能。它将使科学家们更好地了解细胞如何对环境压力因素做出反应并对药物治疗做出反应。

在今天发表在“ 自然”杂志上的一篇论文中，该团队展示了使用Betzig晶格光片显微镜结合Drexel计算图像序列分析实验室开发的图像跟踪技术的方法，该实验室由Andrew Cohen博士领导，用于生成三维时间细胞器运动的失效视频，并生成有关其相互作用的定量数据。

“细胞生物学界多年来已经认识到细胞质中充满了许多不同类型的细胞器HHMI的Janelia研究园区的Jennifer Lippincott-Schwartz博士和该研究的高级作者表示，该领域越来越多地认识到这些细胞器之间的密切关系是如何以这些细胞器之间的紧密接触形式进行的。 “当两个细胞器相互靠近时，它们可以转移脂质和钙等小分子，并通过转移相互通信。但是，没有人能够在任何特定时间查看这些交互的整个集合。这项技术提供了一种方法。但是这篇论文是关于一项全新的技术，能够用六种不同的荧光团标记六种不同的物体，并且将荧光团分离，以便您可以离散地观察六种不同的物体。

Betzig的显微镜技术使用与荧光蛋白标记细胞相互作用的光网层，以构建3D显微图像。在Janelia研究园区，Betzig和Lippincott-Schwartz通过使用自己的颜色标记每个细胞器类型，改进了该技术以在细胞内部产生细致的外观。

“挑战在于分析这些数据，”Lippincott-Schwartz说。“它需要能够同时跟踪3D中的这六个不同的对象.Andy Cohen和他的团队用他们开发的软件系统做的事情使我们能够以比传统工具更多的定量方式真正地看待它。 “Cohen的实验室于2015年开发了一种名为LEVER 3-D的工具，以帮助研究人员研究神经干细胞的三维图像。它应用了他们开发的高级图像分割算法，可以识别细胞的边界并跟踪它们的运动。在微生物学家可以使用这项技术之前，微观图像和延时镜头的处理将花费大量时间，因为他们必须手工创建谱系树，并在比较图像时通过自己的观察来尝试跟踪细胞变化。

当在三维中跟踪多个对象时，该过程甚至更复杂。Lippincott-Schwartz的小组使用一系列计算机程序来过滤掉细胞器发出的所有不同光谱，开始将三维图像和视频聚焦。这个名为“线性解混”的过程需要超过32个计算机工作站核心来逐个像素地筛选70亿套六色图像。

通常，他们会使用昂贵的商业软件程序将它们拼接成3-D卷，以便研究它们。但是这些程序使用起来既昂贵又耗时，并且不能用于跟踪移动物体的复杂分析，以便对其行为进行定量测量，尤其是它们如何相互作用。

Cohen的算法使整个过程自动化，这为研究人员节省了大量时间，并且还让他们询问 - 并回答 - 关于细胞正在做什么的更多问题。他与Drexel的同事Uri Herschberg博士(生物医学工程，科学与健康系统学院和医学院的副教授)合作，进一步验证了这些数据，以检查细胞的二维图像。

“这是一些非常令人印象深刻的镜头，让生物学家能够更深入地观察活细胞并看到他们以前从未见过的东西 - 就像真正的三维活细胞中的六种不同的细胞器一样，”科恩教授说。德雷克塞尔工程学院。“但是，通过使用我们的程序自动化该过程的大部分并从中收集有价值的数据，开始量化他们所看到的东西也是很多工作 - 而这正是我们可以提供帮助的地方。”

利用新技术同时观察六套细胞器，Lippincott-Schwartz在Janelia和国立卫生研究院的团队正在进行激动人心的新观察。他们正在研究细胞器如何在细胞内分布，它们彼此之间的相互作用以及它们在细胞生命周期的不同时间内移动的位置，时间和速度。

“一个非常有趣的结果是，我们发现细胞中最大的细胞器，即ER [内质网]，在任何特定的时间点，它将占据细胞质体积的25%，不包括细胞核。但是如果你跟踪它在短时间内分散在细胞质中的方式，比如15分钟，你可以看到它在那段时间内探索了整个细胞质的95%，“Lippincott-Schwartz说。“我们可以同时为所有其他细胞器做这件事，看看细胞质是如何通过这些细胞器的分散活动的动态运动来感知的。”

观察亚细胞行为只是该技术的第一次应用。现在已经证明它可以生成可用的数据，该团队将继续研究当细胞暴露于药物治疗和系统上的其他常见压力时发生的情况。研究人员建议，它可用于研究超过六种类型的微观物体。它可以帮助更深入地挖掘生命的构建块 - 转化为RNA粒子和其他蛋白质的相互作用，这些蛋白质在细胞功能和病变细胞的行为中发挥作用。

“随着这些工具不断改进，它们将使研究人员更好地了解细胞行为以及收集和分析数据的许多选择，”科恩说。“他们将能够提出并回答越来越复杂的问题，这将导致一些非常令人兴奋和重要的发现。”