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。