美國華盛頓大學科學家設計出一種機器學習算法Deep-SMOLM，生成了蛋白質的五維(5D)圖像，包括單個分子的方向和位置等信息。相關研究發(fā)表于近期出版的《光學快報》雜志，有助于科學家更好地理解微小尺度下的生物學過程。

研究人員表示，這里的5D指的并非新的或隱藏的空間維度。他們設計出的新系統(tǒng)可分辨分子在三維空間中的方向以及在二維空間中的位置，也就是從一張有“噪音”的像素化圖像中提取出5個參數。為從看似簡單的光點中獲取這些額外的復雜信息，團隊設計出了機器學習算法Deep-SMOLM，而且增加了額外的步驟。

研究團隊稱，在實驗室進行的單分子成像往往非常“嘈雜”，包含“斑點”或波動，可能會導致圖像變得模糊不清。對于大多數機器學習神經網絡來說，有效地處理這種“噪音”可能非常復雜。鑒于此，研究團隊借助Deep-SMOLM處理圖像，還增加了一種“處理后”步驟，能直接計算第一個算法得到的結果。

在處理了數千張快照后，研究團隊得到了一幅“美麗的圖像”，它使用顏色、曲率和方向來昭示數千個分子是如何相互連接的。研究人員表示，這一系統(tǒng)將有助于更好地理解微小尺度的生物學過程，比如淀粉樣蛋白如何聚集形成與阿爾茨海默病相關的纏結結構等。