Light-sheet excitation-encoded volumetric spectroscopy for fast multiplexed imaging and quantitative physicochemical mapping in cells

De auteurs introduceren LS-ExSM, een lichtplaat-microscopietechniek die volledige excitatiespectra vastlegt voor snelle, multiplexe 3D-beeldvorming en kwantitatieve fysisch-chemische analyse van levende cellen met hoge spectrale resolutie en minimale kruisverontreiniging.

De kern

De "Spectroscopische Lichtbundel": Een nieuwe manier om cellen te bekijken

Stel je voor dat je een cel bekijkt als een drukke, levende stad. In deze stad zijn er vele soorten gebouwen: energiecentrales (mitochondriën), afvalverwerkingsfabrieken (lysosomen), opslagplaatsen voor vet (lipidedruppels) en wegen (microtubuli). Tot nu toe was het voor wetenschappers moeilijk om al deze verschillende gebouwen tegelijkertijd en in 3D te zien zonder dat ze in de war raakten, of om te zien hoe ze met elkaar praten en bewegen.

Deze paper introduceert een nieuw superkrachtig microscoop-systeem, genaamd LS-ExSM. Hier is hoe het werkt, vertaald naar alledaagse taal:

1. Het probleem: De "Kleurverwarring"

Stel je voor dat je een foto maakt van deze stad, maar alle gebouwen hebben ongeveer dezelfde kleur. Als je ze allemaal in één foto wilt zien, worden ze een onleesbare brij. Traditionele microscopen kunnen vaak maar 2 of 3 kleuren tegelijk goed onderscheiden. Als je meer wilt zien, moet je wachten of de beelden worden wazig.

2. De oplossing: De "Regenboog-Lichtbundel"

De wetenschappers hebben een slimme truc bedacht. In plaats van te kijken naar het licht dat uit de cellen komt (zoals een camera die een foto maakt), kijken ze naar het licht dat in de cellen wordt gestoken.

• De Analogie: Stel je voor dat je een duisterniszaal hebt met verschillende mensen. Iedereen heeft een andere stem. Als je een flitslicht met een specifieke kleur op iemand richt, reageert die persoon alleen als de kleur bij zijn of haar "stem" past.
• Hoe het werkt: De microscoop schijnt heel snel met een regenboog van lichtkleuren (golflengten) door de cel. Elke structuur in de cel reageert op een heel specifiek stukje van die regenboog. Door deze "stemmen" (spectra) heel precies te luisteren, kan de computer later precies zeggen: "Ah, dit stukje is een mitochondrion, dat stukje is een lipidedruppel," zelfs als ze er qua kleur bijna hetzelfde uitzien.

3. De snelheid: De "Snelheidsduivel"

Het probleem met deze nauwkeurige luisterpartij is dat het normaal gesproken heel lang duurt om een heel 3D-gebouw (de cel) in kaart te brengen. Het is alsof je een hele stad van deur tot deur moet aflopen om te kijken wie er woont.

• De Slimme Truc: De wetenschappers gebruiken een soort "AI-voorspeller". Ze nemen niet elke straat (elk laagje van de cel) af, maar springen eroverheen (bijvoorbeeld elke 3e straat).
• De Magie: Een slim computerprogramma (Deep Learning) vult de ontbrekende straten in op basis van wat het al heeft gezien. Het is alsof je een puzzel maakt waarbij je alleen de hoekstukken en een paar randstukjes hebt, maar de computer de rest zo perfect invult dat het eruitziet alsof je de hele puzzel hebt. Hierdoor kunnen ze de hele stad (cel) in minder dan een seconde in 3D scannen, terwijl de cellen nog leven en bewegen!

4. Wat hebben ze ontdekt?

Met deze nieuwe bril hebben ze twee grote dingen ontdekt:

• De Dans van de Organellen: Ze zagen hoe verschillende organellen (de gebouwtjes in de cel) met elkaar interacteren. Ze zagen bijvoorbeeld hoe een "opslagdruppel" (vet) en een "energiecentrale" elkaar vastpakken om energie te wisselen. Dit gebeurt in 3D en snel, iets wat met oude methoden onzichtbaar was.
• De Smaak van Vet: Ze konden ook de "smaak" (chemische samenstelling) van vetdruppels meten. Ze zagen dat de buitenkant van een vetdruppel anders is dan het binnenste. Als de cel honger heeft (vasten), verandert deze "smaak" en gaan de vetdruppels dichter bij de afvalverwerkingsfabrieken staan om opgegeten te worden.

Waarom is dit belangrijk?

Vroeger was het bekijken van een cel als het bekijken van een platte tekening van een stad. Nu hebben we een 3D-film gemaakt, in volle kleur, waarbij we niet alleen de gebouwen zien, maar ook weten wat ze doen en hoe ze zich voelen.

Dit helpt artsen en wetenschappers beter te begrijpen hoe ziektes (zoals diabetes of obesitas) ontstaan als deze "stedelijke interacties" uit de hand lopen. Het is een enorme stap voorwaarts in het begrijpen van het leven, één cel tegelijk.

Technische samenvatting

Probleemstelling

Het begrijpen van celorganisatie en -functie vereist beeldvormingstechnieken die zowel structurele als fysisch-chemische informatie kunnen vastleggen binnen het volledige driedimensionale (3D) volume van een cel. Bestaande lichtplaatmicroscopie (light-sheet microscopy) biedt weliswaar hoge snelheid en lage fototoxiciteit, maar heeft beperkingen op het gebied van multiplexing (het gelijktijdig visualiseren van meerdere structuren) en spectrale resolutie.

• Emissie-gebaseerde spectrale beeldvorming is vaak traag omdat het ruimte en spectrale informatie tegelijkertijd moet vastleggen, wat vaak leidt tot punt- of lijnscanning en langzame volumetrische opnames.
• Bestaande excitatie-gebaseerde methoden bieden wel snelheid, maar missen vaak de spectrale resolutie (<40 nm) of lijden onder hoge kruisoverlast (crosstalk) tussen verschillende kleurstoffen, wat kwantitatieve analyse bemoeilijkt.
• Er is een dringende behoefte aan een methode die hoge spectrale resolutie, snelle 3D-beeldvorming en multiplexing (meer dan 3 kleuren) combineert zonder de kwaliteit van de data te verliezen.

Methodologie: LS-ExSM

De auteurs introduceren Light-sheet Excitation Spectroscopic Microscopy (LS-ExSM), een geavanceerd platform dat excitatie-gecodeerde spectroscopie combineert met single-objective lichtplaatmicroscopie.

1. Optische Opstelling:

   • Het systeem gebruikt een supercontinuum laser gekoppeld aan een akoestisch-optische afstembare filter (AOTF). Hierdoor kunnen excitatiegolflengten zeer snel worden gewisseld om spectrale informatie te coderen.
   • Het gebruikt een single-objective oblique-plane configuratie (open-top), waarbij een lichtplaat onder een hoek van 30° door het monster wordt gescand. Dit maakt efficiënte fluorescentie-opname mogelijk met een hoge numerieke apertuur.
   • In plaats van het spectrum van de emissie te meten, wordt de excitatiegolflengte gemoduleerd terwijl de emissie binnen een vast bandfilter wordt verzameld. Dit verhoogt de fotonefficiëntie en elimineert afhankelijkheid van de spectrale respons van het detectorsysteem.

2. Data-acquisitie en Deep Learning:

   • Het systeem verzamelt volledige excitatiespectra (met ~10 nm resolutie) voor elk voxel in het 3D-volume.
   • Om de opnamesnelheid te verhogen, wordt sparsely volumetric sampling toegepast: er worden niet alle vlakken opgenomen, maar slechts een subset (bijv. elke derde laag).
   • Een twee-staps deep-learning framework reconstrueert de volledige volumetrische data:
     • Een zelftoezichtend (self-supervised) denoising-netwerk verbetert de signaal-ruisverhouding.
     • Een supervised reconstructie-netwerk met randbewuste beperkingen (edge-aware constraints) voert de ontbrekende vlakken in, waardoor de ruimtelijke integriteit behouden blijft.

3. Data-analyse:

   • Spectrale ontbinding (Unmixing): Gebaseerd op referentiespectra worden meerdere fluoroforen gescheiden met minimale kruisoverlast.
   • Spectrale Phasor-analyse: Excitatiespectra worden omgezet in een fasehoek (phase angle), die lineair correleert met de lokale polariteit van de omgeving (bijv. bij lipidedruppels).

Belangrijkste Bijdragen

• Integratie van Spectrale Resolutie en Snelheid: LS-ExSM combineert hoge spectrale resolutie (~10 nm) met snelle volumetrische beeldvorming, wat eerder een onoplosbaar compromis was.
• Deep Learning voor Versnelling: Door sparse sampling te combineren met AI-reconstructie wordt de opnamesnelheid verdrievoudigd zonder verlies aan structurele of spectrale informatie.
• Kwantitatieve Fysisch-Chemische Mapping: De methode stelt onderzoekers in staat om niet alleen structuren te zien, maar ook lokale fysisch-chemische toestanden (zoals polariteit) in 3D te kwantificeren.

Resultaten

1. Multiplexed 3D-beeldvorming:

   • Het team slaagde erin zes kleuren gelijktijdig af te beelden in vaste COS-7-cellen (actine, microtubuli, mitochondriën, Golgi, kern en lipidedruppels) met een kruisoverlast van gemiddeld <1%.
   • Dit maakte het mogelijk om complexe ruimtelijke relaties te visualiseren, zoals mitochondriën die lipidedruppels "omarmen" binnen het microtubuli-netwerk, details die in 2D-projecties vaak onzichtbaar blijven.

2. Hoge Snelheid en Dynamica:

   • Met de deep-learning-versnelling werd ultrasnelle volumetrische beeldvorming bereikt (28 Hz voor het endoplasmatisch reticulum, ER).
   • Bij levende cellen werd 6-kleuren beeldvorming uitgevoerd met een tijdsresolutie van ongeveer 1,2 seconden per volume. Dit maakte het mogelijk om dynamische processen te volgen, zoals fusie van peroxisomen, mitochondriale deling en de interactie tussen mitochondriën, ER en lysosomen.

3. Kwantitatieve Analyse van Organel-Interacties:

   • Onder metabole stress (honger en ATGL-remming) werden contacten tussen lipidedruppels, mitochondriën en lysosomen gekwantificeerd.
   • De studie toonde aan dat 2D-projecties contactfrequenties aanzienlijk kunnen overschatten of biologische trends kunnen verdraaien; alleen 3D-analyse gaf het ware beeld van de interacties.
   • Metabole verstoringen leidden tot een toename in stabiele en langdurige contacten tussen organelles.

4. 3D Mapping van Lipidedruppel-polariteit:

   • Met de kleurstof Nile Red werd de polariteit van lipidedruppels in 3D in kaart gebracht.
   • Het systeem kon subtiel onderscheid maken tussen de kern (triolein) en het oppervlak (DOPC-monolaag) van synthetische druppels.
   • In levende cellen bleek dat lipidedruppels in contact met lysosomen een hogere polariteit vertoonden dan die alleen in contact met mitochondriën. Remming van lipolyse (ATGLi+) leidde tot een globale afname van de polariteit, ondanks een toename in lysosoomvolume.

Betekenis en Impact

LS-ExSM vertegenwoordigt een doorbraak in de celbiologische beeldvorming door de kloof te overbruggen tussen snelle 3D-structuurvisualisatie en kwantitatieve spectroscopie.

• Functionele Connectiviteit: Het stelt onderzoekers in staat om de relatie tussen subcellulaire organisatie en de lokale fysisch-chemische staat direct te koppelen.
• Overcoming Limitaties: Het lost het probleem op van kruisoverlast en lage spectrale resolutie in bestaande lichtplaattechnieken, waardoor complexe interacties tussen meerdere organelles in levende cellen voor het eerst betrouwbaar kunnen worden bestudeerd.
• Toekomstperspectief: De techniek biedt een algemeen raamwerk voor het kwantificeren van moleculaire samenstelling en fysisch-chemische toestanden in complexe biologische omgevingen, wat essentieel is voor het begrijpen van metabole ziekten, celsignaleren en organel-dynamica.