【Nat.Photon】神经电信号的“截击”时刻:高速光学显微镜在神经电压成像中的应用

2843 字
14 分钟
【Nat.Photon】神经电信号的“截击”时刻:高速光学显微镜在神经电压成像中的应用

【Nat.Photon】神经电信号的“截击”时刻:高速光学显微镜在神经电压成像中的应用#

神经科学的研究尺度,一直在两个极端之间撕扯:一边是浩瀚的网络,试图勾勒出意识与认知的宏观图谱;另一边则是方寸之间的毫秒之争,渴望捕捉电信号在单个神经元上的惊鸿一瞥。钙成像的流行,让前者获得了巨大的成功,但代价是对后者——那些发生在毫秒甚至微秒级别的膜电位波动——近乎视而不见。它像一位慢条斯理的史官,忠实记录着钙离子的余波,却对真正的挥斥方遒——动作电位的爆发与传导——反应迟钝。

这让电压成像(Voltage Imaging)的登场显得顺理成章,却又步履维艰。直接监测膜电位,意味着要与物理世界的硬约束正面交锋。发表于 Nature Photonics 的这篇综述,恰逢其时地为我们捋清了这场交锋的现状、代价与突破口。它没有贩卖“革命性突破”的焦虑,而是冷静地剖析了一个核心现实:想要看得快、看得深、看得清,还不想把样本照坏,这不是仅靠某一种“神器”能解决的线性问题,而是一场涉及染料、光学、探测器和算法的高度耦合的系统工程。

为什么我们必须死磕“速度”?#

把电压信号比作神经元之间真正的“暗号”,一点也不为过。一个动作电位的上升支,可以在约250微秒内完成扫射。这意味着,如果成像帧率达不到300赫兹以上,你看到的波形很可能就是失真的“低配版”。理想的电压成像,往往需要工作在千赫兹级别。相比之下,钙信号的动力学慢得像“慢动作回放”,其瞬态过程比电压信号慢了100到1000倍

这种对速度的极致追求,直接引爆了光学成像的“原罪”——光子预算极度匮乏。曝光时间被压缩到极致,能收集到的荧光光子屈指可数。为了撑起信噪比(SNR),最粗暴的手段是提高激发光强度,但这无异于饮鸩止渴:光漂白加速,记录窗口缩短,更危险的是,非线性效应带来的光毒性会直接煎煮脆弱的神经元。雪上加霜的是,电压信号仅来源于细胞膜上那薄薄的一层荧光分子,数量极其有限,而不完美膜定位带来的背景荧光,如同噪音放大器,进一步吞噬本就微弱的信号。

单光子阵营:在“通量”与“背景”间走钢丝#

单光子(1P)激发因其高效激发和高通量宽场探测能力,目前仍是电压成像的主力。但这并不意味着它廉颇老矣,相反,各种精巧的“补丁”正让它在特定场景下老树开新花。

宽场成像的优势简单粗暴:一张图,所有像素同时抓。但代价是光学切片能力的丧失,焦外荧光像幽灵般叠加,让信背比(SBR)一落千丈。为了对抗这一固有问题,研究者想出了“缩窄”视野的策略:通过稀疏标记只让少数神经元发光,或通过靶向照明只照亮感兴趣的结构。然而,面对深部脑区或高密度标记,这些技巧就显得力不从心。

于是,共聚焦光片这类具备物理切片能力的技术被推向台前。但传统点扫描共聚焦的速度难以胜任,线扫描共聚焦是一个巧妙折中:它用一条聚焦线代替一个点,将扫描降为一维,在毫秒尺度上跨越毫米视野。尽管背景抑制不如点扫描彻底,但配合靶向照明,信背比能提升惊人的50倍以上。而多平面共聚焦光片显微镜则将战火引向了三维空间。特别是远程聚焦光片技术,通过快速移动反射镜而非笨重的物镜来实现轴向焦点切换,配合折叠光路的FLIPR设计,将光效提升近一倍,让高速三维成像成为可能。

Fig. 1: High-speed confocal and light-sheet 1P voltage imaging.#

光场显微镜(LFM) 是另一类引人注目的“快枪手”。它靠一个微透镜阵列,将三维信息编码在一张二维图像中,实现了无扫描的瞬时三维成像。但这门技术充满了“trade-off”。为了获取深度信息,它牺牲了衍射极限分辨率,且重建算法会放大噪声。更重要的是,由于没有物理共轭的针孔,焦外荧光污染在成像质量上投下了长长的阴影。为了突破相机带宽的限制,研究者甚至引入了事件相机压缩感知等策略。但这些方法要么对弱模拟信号力不从心,要么因测量矩阵的混合特性导致动态范围被摊薄。

Fig. 2: Snapshot 3D light-field 1P voltage imaging.#

双光子阵营:深度、速度与热量的“不可能三角”#

双光子(2P)激发的核心优势在于穿透深度天然光学切片,这使其成为深层脑区成像的当然候选。但成也萧何败也萧何,其极小的吸收截面导致信号更弱。为了达到与1P相当的信号水平,每个细胞上需要平均提高约一万倍的激光功率——这简直就是给脑组织做“微波加热”。

因此,2P电压成像的所有探索,几乎都是围绕 “如何在生理可承受的功率下榨取足够信号” 展开的。

高速扫描是基础。多边形扫描仪和共振振镜能推高帧率,但视野受限。随机存取扫描,借助声光偏转器(AOD)在微秒级内跳跃于不同神经元之间,实现了对特定群体的千赫兹采样。但这种方式会丢失空间背景信息,对运动伪影毫无抵抗之力。

时空复用则是在激发通路上做文章。FACED技术通过将一束激光劈成具有时序延迟的“光束串”,让单个探测器就能顺序读取多个点,相当于把扫描效率提高了数倍。更进一步的扫描全息术,则彻底抛弃了逐点扫描,用计算机生成的全息图(CGH)同时照亮所有目标位点,实现了无扫描的激发。这种策略与宽场探测结合,尤其适合新一代的视紫红质电压探针。

然而,所有复用策略都面临一个终极物理瓶颈:荧光寿命。通常只有几纳秒,它设定了像素驻留时间的下限。为了在千赫兹帧率下获得足够大的视野,你不得不降低空间采样密度,这意味着分辨率的妥协。

Fig. 3: High-speed 2P voltage imaging.#

被忽视的“结构性”矛盾:SNR 与 SBR 的决斗#

这篇综述中极具洞察力的一点,是指出了两个常被混为一谈的概念:信噪比(SNR)和信背比(SBR)。它们背后的物理机制截然不同,却共同决定了成像质量的生死。

  • SNR光子收集效率 的战争。在这个战场上,宽场和光场等并行探测方案具有天然优势,因为它们用一次曝光收集了所有空间点的光子。
  • SBR 则是 背景抑制 的较量。共聚焦、光片和双光子等具备物理或非线性切片能力的技术在此胜出,因为它们从源头就扼杀了焦外荧光,避免了散粒噪声的注入。

这个区分极其关键。它告诉我们,后期算法可以提升图像对比度,但永远无法挽回在采集时被背景噪声吞噬的SNR。这意味着,下一代技术的圣杯,或许是结合宽场的“并行探测”优势与共聚焦的“背景抑制”能力,共聚焦光场显微镜正是这种思路的初步尝试。

系统级的“共设计”:指标、染料与算法#

文章的高明之处在于,它将视野拉出了单一技术指标的攀比,指向了更深层的协同。

染料与仪器的“婚配” 不应是拉郎配。一个暗淡但飞快的探针,就应该匹配并行探测的高通量系统;一个膜定位极佳的高亮度探针,才值得为其配置复杂的靶向或复用策略。近红外(NIR)探针虽有潜力,但若探测器(如InGaAs相机)的噪声高、像素低,这个优势便无从发挥。这是一个耦合优化问题,而非线性叠加。

相机技术与算法的“共谋” 正在成为新的范式。当现代科学CMOS相机已能提供足够的原始速度时,真正的瓶颈变成了数据带宽、存储和实时处理。未来系统的设计思路应从“先拍后算”转向“为任务而拍”。压缩感知、事件驱动、ROI匹配读出……这些策略的核心思想是一致的:如果下游任务不需要,就不要测量冗余信息。这对于在空间和时间上都存在稀疏性的神经活动来说,简直是天作之合。

结论与启示:别在单一赛道上内卷#

这篇综述最发人深省的,并非某一种技术的领先,而是对整个领域“内卷”方向的反思。它提醒我们,电压成像不应仅仅被视为大规模群体记录的专属工具。它在单细胞和亚细胞生理学上的潜力同样巨大。追踪树突上的反传动作电位、解析轴突传导、窥探单个突触的响应,这些对空间分辨率、SBR和三维追踪能力的要求,与群体成像截然不同。这些场景可能更需要共聚焦、光片或贝塞尔光束等能适应神经元三维形态的设计。

未来已来,只是分布不均。它可能不再体现在单一指标的刷新上,而在于我们能否根据从染料到动物行为的全链条约束,去设计最匹配的系统。这不再是一个显微镜问题,而是一个系统神经科学与物理工程的交叉优化问题。那些真正激动人心的突破,或许正孕育于这种跨越尺度的协同创新之中。

参考文献:Wang, Z., Sims, R.R., Xiao, S. et al. Methods, trade-offs and opportunities in high-speed optical microscopy for neural voltage imaging. Nat. Photon. (2026). https://doi.org/10.1038/s41566-026-01965-5

文章分享

如果这篇文章对你有帮助,欢迎分享给更多人!

【Nat.Photon】神经电信号的“截击”时刻:高速光学显微镜在神经电压成像中的应用
https://blog.fluolab.cn/posts/springer/nat-photon/springer-nat-photon-00000012/
作者
Fluolab
发布于
2026-08-09
许可协议
CC BY-NC-SA 4.0
Profile Image of the Author
Fluolab
This is the world of Fluorescence.
公告
欢迎来到ElOneven的小世界
分类
标签
站点统计
文章
1226
分类
10
标签
59
总字数
5,833,105
运行时长
0
最后活动
0 天前
站点信息
构建平台
Vercel
博客版本
Firefly v6.15.4
文章许可
CC BY-NC-SA 4.0