vFLIM: Machine Learning-enabled Light Sheet Fluorescence Lifetime Imaging

생물학적 이미징의 세계에서 과학자들은 살아있는 세포 내부에서 어떤 일이 일어나고 있는지를 이해하기 위해 오랫동안 빛을 내는 분자의 밝기에 의존해 왔습니다. 이 강도는 물질이 얼마나 존재하는지를 알려주지만, 더 깊은 층위의 정보는 놓치게 됩니다. 마치 음표가 주변의 기압이나 온도에 따라 그 음높이가 변할 수 있는 것처럼, 형광 분자는 빛을 받은 후 빛을 내는 것을 멈추는 속도를 변화시킵니다. 형광 수명이라고 알려진 이 속도는 분자의 즉각적인 주변 환경을 알려주는 민감한 보고자 역할을 합니다. 이는 국소적인 환경의 미세한 변화, 조직 내부의 물리적 긴장, 또는 세포의 대사 상태를 드러낼 수 있습니다. 이러한 조건들은 역동적이고 취약하기 때문에, 가장 가치 있는 통찰은 실험실의 얼어붙은 샘플을 연구하는 것이 아니라 살아있는 유기체 내에서 실시간으로 펼쳐지는 모습을 관찰하는 데서 옵니다.

하지만 살아있는 시스템에서 이 찰나의 정보를 포착하는 것은 엄청난 도전 과제였습니다. 이러한 수명을 측정하는 전통적인 방법들은 생명의 빠른 움직임을 따라잡기에는 너무 느리거나, 관찰하려는 섬세한 표본에 손상을 입히거나 죽게 만들 정도로 너무 많은 빛을 필요로 합니다. 더욱이, 이러한 측정으로 인해 생성되는 방대한 양의 데이터는 병목 현상을 일으켜, 장기 연구에 유용할 만큼 빠르게 이미지를 처리하는 것을 어렵게 만듭니다. 그 결과, 이 기술의 잠재력과 살아있는 세계에서의 실제 적용 사이에는 간극이 존재해 왔습니다.

연구팀은 이제 특화된 현미경과 새로운 데이터 처리 방식을 결합한 완전한 워크플로우를 도입함으로써 이 간극을 메웠습니다. 그들은 vFLIM이라 불리는 볼륨 형광 수명 이미징(volumetric fluorescence lifetime imaging) 시스템을 개발했습니다. 이 방식은 시편의 얇은 단면을 한 번에 조명하는 장치인 라이트 시트 현미경을 사용하며, 이를 통해 전통적인 스캐닝 방식의 가혹한 효과 없이 전체 부피를 빠르고 부드럽게 촬영할 수 있습니다. 이 현미경이 생성하는 막대한 양의 정보를 처리하기 위해, 연구팀은 하드웨어와 머신러닝 모델을 결드 결합했습니다. 머신러닝 모델은 패턴을 인식하고 원시 이미지에서 직접 수명 데이터를 추출하도록 훈련된 일종의 컴퓨터 프로그램입니다. 이 결합을 통해 시스템은 이전에는 살아있는 시스템에서 도달할 수 없었던 속도와 부드러움으로 분자 수명의 상세한 3차원 지도를 생성할 수 있게 되었습니다.

연구진은 이 파이프라인의 다재다능함을 증명하기 위해 광범위한 생물학적 시나리오에 걸쳐 테스트를 진행했습니다. 그들은 추적하는 특정 분자를 달리하고, 아주 작은 세포 구조부터 더 큰 조직 부피에 이르기까지 관찰의 규모를 변화시키며 다양한 유형의 살아있는 모델에 이 방법을 적용했습니다. 각 사례에서 시스템은 성공적으로 명확하고 빠른 속도의 볼륨 데이터를 전달하였으며, 이는 이 워크플로우가 다양한 실험적 요구를 처리할 수 있을 만큼 견고하다는 것을 입증했습니다. 이러한 다양한 조건들을 통해 방법을 검증함으로써, 연구팀은 이 파이프라인이 단순한 이론적 개념이 아니라 더 넓은 사용을 위한 실질적인 도구임을 보여주었습니다.

이 연구는 생생한 3차원 수명 이미징을 더 넓은 생물학계가 사용할 수 있도록 만드는 데 있어 중요한 진전을 의미합니다. 속도와 데이터 복잡성이라는 두 가지 문제를 해결함으로써, 새로운 파이프라인은 이 강력한 기술을 많은 연구자로부터 멀리 떨어뜨려 놓았던 장벽을 제거했습니다. 그 결과, 관찰 과정 자체의 간섭 없이 생명체가 분자 수준에서 어떻게 기능하는지에 대한 새로운 발견의 문을 열어주는, 전이 가능한 시스템을 탄생시켰습니다.