{
  "id": "super-resolution-microscopy",
  "title": "超分辨率显微术",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "超分辨率显微术是一类能够揭示小于传统光学显微成像衍射极限的精细结构的成像方法。",
  "category": "science",
  "subcategory": "physics",
  "type": "concept",
  "aliases": [
    "超分辨显微术",
    "超分辨率光学显微术",
    "光学纳米显微术"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/super-resolution-microscopy/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/super-resolution-microscopy/",
      "json": "https://aiwiki.page/en/super-resolution-microscopy.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "超分辨率显微术是一类能够分辨小于光学显微镜常规分辨率极限的结构的技术。在生物成像中，这一术语通常指利用荧光标记、受控照明、分子开关和计算重建，来分辨间距仅为数十纳米的细微结构的方法。在有利的实验条件下，某些方法能够将分子位置的测定不确定度降至仅几纳米。这些能力使光学成像从细胞内区室尺度拓展至分子组装体尺度。\n\n超分辨率显微术的重要性在于，它将精细的空间细节与分子特异性相结合。荧光标记可以标识细胞内的特定蛋白质、核酸或其他靶标，而光学成像则可实现多色成像，某些具体实现方式还适用于活体样本。主要技术路线包括受激发射损耗显微术、单分子定位显微术和结构光照明显微术。相关策略还包括利用具有空间图案的激发光定位单个发光体、将样本在物理上膨胀，或探测靠近表面的光场。\n\n“超分辨率”并不代表某一固定的性能水平。分辨率取决于标记密度、发射光量、背景、样本运动、光学像差，以及图像重建所依据的假设。清晰呈现的图像、高精度的分子坐标和对生物结构的忠实表征，是彼此相关但并不等同的成果。"
    },
    {
      "heading": "光学极限与分辨率的含义",
      "text": "常规分辨率极限源于衍射：点光源发出的光会扩展为具有一定范围的分布，而不是形成一个无穷小的点。在理想的非相干成像系统中，这种分布由点扩散函数描述。相邻发光体产生的分布相互重叠，因此很难直接推断它们之间的距离。对于通过高数值孔径物镜收集的可见光，普通荧光显微术通常能够分辨约 200–300 nm 的横向间距和约 500–800 nm 的轴向间距，具体取决于波长、光学配置以及采用的判据。\n\n恩斯特·阿贝对显微镜分辨率的理论分析，将能够传递的最小空间周期与波长和数值孔径联系起来。一个常用表达式为\n\n\\[d \\approx \\frac{\\lambda}{2\\,\\mathrm{NA}},\\]\n\n其中，\\(\\lambda\\) 为相关波长，\\(\\mathrm{NA}=n\\sin\\theta\\)，\\(n\\) 为介质的折射率，\\(\\theta\\) 为收集半角。对于两个非相干点光源，瑞利判据给出的横向间距则约为 \\(0.61\\lambda/\\mathrm{NA}\\)。这些表达式对应不同的成像模型和定义，不能将它们视为对光所能测量的绝对最小距离的等价表述。\n\n分辨两个未知且同时发光的物体，与确定单个孤立物体的位置，有着至关重要的区别。单个荧光发射体形成的像虽然较宽，但只要检测到足够多的光子，对其中心位置的估计就可以远比像的宽度精确。在无背景的理想情况下，\n\n\\[\\sigma_{\\mathrm{loc}} \\approx \\frac{s}{\\sqrt{N}},\\]\n\n其中，\\(s\\) 表征点扩散函数的宽度，\\(N\\) 为检测到的光子数。相机采样、背景、探测器噪声、分子取向以及建模不完善等因素，都会增大实际的测量不确定度。因此，定位精度本身并不能确定具有空间延展且标记密集的结构的分辨率。\n\n超分辨率技术能够获取常规成像无法区分的额外信息。这些技术可以让不同分子在不同时间发光，使发光对照明产生非线性响应，将原本无法获取的空间频率混入可检测的图样中，或改变样品的物理尺度。这些方法都没有消除衍射，而是各自改变了常规极限所依赖的实验条件或信息通道。\n\n这一术语也有其适用边界。反卷积能够恢复被显微镜传递函数衰减的信息，但普通的线性反卷积通常无法恢复从未测得的空间频率。同样，采用更小的相机像素或将图像显示得更大，也不能证明分辨率有所提高。有效的超分辨率主张必须涉及可恢复的样品信息，而不能仅以放大倍数或视觉清晰度为依据。"
    },
    {
      "heading": "历史发展",
      "text": "现代超分辨率显微术源于光学、荧光检测和分子标记领域若干在一定程度上独立发展的技术。阿贝于1873年提出的分析确立了衍射在显微镜成像中的核心作用。20世纪，研究人员探索了通过缩短波长、增大孔径、共聚焦检测、干涉以及近场探针等方式提高分辨率。这些探索表明，人们熟知的衍射极限取决于对照明、检测和样品所作的假设，并非对更精细光学测量的普遍禁令。\n\n近场方法为突破传统远场分辨率提供了一条早期途径。1928年，爱德华·哈钦森·辛格提出，将一个极小的孔径置于样品表面附近，并通过该孔径观察样品。直到很久以后，随着探针制造和定位技术的进步，实用的扫描近场光学显微术才发展起来。这项技术证明，可以在局部获取与亚波长结构相关的光学信息；不过，由于必须使探针紧贴表面，可研究的样品及其几何形态受到限制。\n\n单个荧光分子的检测奠定了另一项基础。1989年，W. E. 莫尔纳和洛塔尔·卡多尔报道了在低温下对固体中单分子的光学检测与光谱测量。后续进展将单分子荧光测量拓展到更适合生物学研究的条件。荧光蛋白和光开关染料的发展，使研究人员不仅能够检测分子，还能够控制特定时刻哪些分子可见。\n\n1994年，斯特凡·W. 赫尔和扬·维希曼提出受激发射损耗显微术，利用非线性光学过程缩小荧光观测区域。随后出现了实验验证，其中包括赫尔与托马斯·克拉尔于2000年报道的突破衍射极限的成像。与此同时，马茨·古斯塔夫松等人发展了结构光照明显微方法，以已知图案照明样品，扩大空间频率覆盖范围。线性结构光照明带来的分辨率提升相对有限，但与常规荧光标记具有广泛的兼容性。\n\n2006年，这一领域取得了关键性拓展，多项独立研究分别引入了光激活定位显微术、随机光学重建显微术和荧光光激活定位显微术。这些方法展示了如何将大量稀疏的单分子图像组合成一幅密集采样的图像。2014年诺贝尔化学奖授予埃里克·贝齐格、赫尔和莫尔纳，以表彰他们“在超分辨率荧光显微术发展方面的贡献”。\n\n此后的发展并未趋于单一仪器，而是拓宽了技术策略的范围。膨胀显微术于2015年问世，MINFLUX则于2017年首次报道。这两种方法分别利用样品的物理膨胀和对单个发光体的位置依赖性激发。它们的出现凸显出，改善纳米尺度光学成像不仅可以依靠缩小传统光学焦斑，还可以通过改变样品制备方式、测量设计，或同时改进两者来实现。"
    },
    {
      "heading": "受激发射损耗与可逆态切换",
      "text": "受激发射损耗显微术通常缩写为 STED，可将荧光限制在小于常规激发焦斑的区域内。激发光束首先使荧光团跃迁至电子激发态。随后，第二束波长更长的红移光束通过受激发射，促使激发态分子在发出常规荧光之前回到基态。由于检测系统会滤除受激发射光，受到足够强损耗光照射的分子对所记录的荧光信号贡献很小。\n\n损耗光束经过整形，使其中心具有光强极小值，周围通常环绕着明亮的甜甜圈状光环。靠近光环的荧光团受到抑制，而靠近暗中心的荧光团仍能发出荧光。使这一有效发光区域在样品上扫描，即可形成图像。分辨率的提高源于损耗过程的饱和，而非衍射极限激发光束本身变得更窄。\n\n以下简化关系式说明了这一原理：\n\n\\[d_{\\mathrm{STED}}\\approx \\frac{d_0}{\\sqrt{1+I/I_{\\mathrm{sat}}}},\\]\n\n其中，\\(d_0\\) 为常规焦斑宽度，\\(I\\) 为表征损耗光的强度，\\(I_{\\mathrm{sat}}\\) 为损耗跃迁达到显著饱和时对应的光强。该公式预测，随着损耗光强增加，有效发光区域会逐渐变窄，但实际性能还取决于中心光强极小值的质量、染料的光物理特性、背景以及可用信号。在合适的样品中，横向分辨率可达到几十纳米；但采用某一特定激光设置，并不能保证达到这一分辨率。\n\nSTED 可通过逐点扫描生成图像，无需像许多单分子方法那样获取大规模定位数据集。不过，图像处理、背景扣除和反卷积仍经常使用。脉冲式与连续波式实现方式在激发和损耗的时序安排上有所不同。时间门控检测可优先保留有效损耗发生后发射的光子，从而提高对比度或降低所需的损耗光强，但同时也会舍弃一部分信号。\n\n三维 STED 通过额外的光束整形，抑制焦平面上方和下方的发光。光强极小值的质量尤为重要：预期暗中心处的残余光会损耗本应保留的荧光，降低效率。因此，即使标称损耗功率很高，光学像差、偏振误差以及光束对准不佳仍可能影响性能。\n\nSTED 属于更广泛的可逆可饱和光学荧光跃迁技术家族，通常称为 RESOLFT。这些方法通过受控地切换分子的亮态与暗态来限制荧光区域。有些实现方式采用可逆切换荧光蛋白，所需照明强度远低于典型的 STED 实验，但其切换动力学可能会限制图像采集速度。在这些技术中，空间分辨率需要与光子产额、切换速度、光化学稳定性以及样品可承受的光照剂量相权衡。"
    },
    {
      "heading": "单分子定位显微术",
      "text": "单分子定位显微术在时间上区分密集排列的荧光团。如果在相机的一次曝光期间，只有少量且在空间上稀疏分布的荧光团发光，每个发光体就会形成一个近似孤立的衍射受限光斑。算法随后估计每个光斑的中心位置。在许多帧中反复进行激活、检测和定位，便可建立坐标列表，并据此重建出超分辨率图像。\n\n两种具有重要影响的实现方式是光激活定位显微术（PALM）和随机光学重建显微术（STORM）。PALM 最初主要采用可光激活或可光转换的荧光蛋白，而 STORM 最初采用可光切换的有机染料体系。后来的变体拓展了这两类方法的范围；与二者都要求发光事件足够稀疏这一共同点相比，它们之间的区别并非根本性的。直接 STORM（dSTORM）使用合适的有机染料，使其在适当的光照和化学条件下，在荧光态与暗态之间切换。\n\n定位通常通过将点扩散函数模型拟合到测得的像素强度来完成。最大似然方法可以纳入光子统计特性和探测器特性。较简单的高斯近似计算效率较高，但如果实际图像与假定模型存在显著差异，就可能引入偏差。对于相互重叠的发光体，可以采用多发光体拟合或其他反演方法进行分析；不过，密度越高，推断就越困难，也越依赖所作的假设。\n\n最终的结构分辨率不仅取决于单次定位精度。标记还必须足够密集地采样结构，才能将其呈现出来。按照简单的一维采样原理，要恢复某个空间周期，每个周期至少需要两个独立样本；而生物标记还涉及随机分布、占位不完全和三维几何形态等额外的复杂因素。对同一个荧光团的反复检测可以产生许多坐标，却无法填补结构中其他位置未被标记的空缺。\n\nDNA-PAINT 提供了另一种产生稀疏荧光事件的方式。带有荧光标记的短 DNA 链会与连接在靶标上的互补停靠链短暂结合。结合产生可检测的光斑，解离则使光斑消失。新的带标记链不断从溶液中补充进来，从而减少了对单个永久连接的荧光团持续存活的依赖。更换成像链序列还可实现多重成像。不过，图像采集仍可能耗时很长，因为结合速率、非特异性相互作用以及光斑重叠会限制可用的事件密度。\n\n单分子定位数据集可用于测量分子分布、聚集和运动，但一次定位并不必然对应一个分子。一个标记可能反复闪烁，一个靶标可能带有多个标记，而有些靶标可能始终未被检测到。因此，定量解释需要建立一个模型，将生物靶标、标记效率、荧光团行为和检测到的事件联系起来。这类方法的输出更适合被理解为对标记位置的统计测量，而不是对样品中所有分子的完整、无条件清点。"
    },
    {
      "heading": "结构光照明显微术",
      "text": "结构光照明显微术（SIM）使用已知的空间图案照明样品，通常采用正弦条纹。样品的精细结构与照明图案相互作用，产生显微镜能够传递的低频莫尔条纹信息。通过记录照明图案在多个相位和方向下的图像，系统可以分离这些混合分量，重建出比均匀照明所能提供的范围更广的样品空间频率信息。\n\n其原理可简要表示为\n\n\\[I_{\\mathrm{det}}(\\mathbf r) = h(\\mathbf r)* \\left[O(\\mathbf r)P(\\mathbf r)\\right],\\]\n\n其中，\\(O\\) 表示荧光物体，\\(P\\) 表示照明图案，\\(h\\) 表示探测系统的点扩散函数，\\(*\\) 表示卷积。实空间中与图案相乘，对应于倒易空间中的频率混合。重建时，利用已知图案将发生频移的信息移回其应属的频率范围。\n\n在常规线性 SIM 中，照明和探测均受到远场衍射的限制。两者结合后的频率支持范围通常可使分辨率提升至约两倍。在有利的可见光成像条件下，典型横向分辨率约为 100–150 nm。三维 SIM 还可改善轴向分辨率和光学切片能力，轴向分辨率通常可达数百纳米量级。实际性能随波长、数值孔径、信号和图案对比度而变化。\n\n一种常见的二维采集方式是在三个图案方向上分别采集三个相位步进的图像，因此每个重建平面需要九幅原始图像。一种广泛使用的三维方案则在三个方向上分别采集五个相位的图像，因此每个焦平面需要十五幅原始图像。这些只是常见设计，并非普遍适用的要求。由于需要合并多次曝光的图像，SIM 对采集期间的运动较为敏感：如果结构在不同相位的采集间发生变化，就可能产生虚假图案或位置错误的细节。\n\n线性 SIM 不需要专门的荧光开关化学机制，因此兼容许多普通荧光染料和荧光蛋白。宽场探测有助于提高采集效率，而其适度的分辨率提升往往很适合活细胞成像。评价时不应只比较空间分辨率，还应综合考虑分辨率、成像速度、视场、光照剂量和观察时长。\n\n非线性 SIM 可以突破约两倍的分辨率提升限制。荧光饱和或可逆光开关会在样品响应中引入更高阶的空间谐波，从而有望进一步扩展可恢复的频率范围。实现这些提升需要额外的测量以及适宜的分子特性，也可能提高对照明的要求或增加重建的复杂性。\n\nSIM 尤其依赖准确的成像模型。图案相位、调制深度、光学传递函数、背景和重建中的正则化都会影响结果。参数不正确可能产生条纹、振铃、蜂窝状纹理，或看似重复的结构。重建图像看起来更清晰，并不一定意味着它更真实；将其与原始相位图像及独立获取的结构信息进行比较，是判断新增细节是否有测量依据的关键。"
    },
    {
      "heading": "MINFLUX、近场成像与物理膨胀",
      "text": "MINFLUX 显微术将单个发光体可见性的受控调节与具有光强极小值的结构化激发相结合。它并非仅凭分子在相机上所成图像的形状来确定其位置，而是测量激发光强极小值处于若干已知位置时分子发射的光子数。靠近光强极小值的分子发射的光子较少；移动激发图案会使预期信号发生随位置而变的变化。这些差异提供了有关分子位置的信息。\n\n围绕初步估计的位置缩小探测区域，可以进一步提高定位精度。这样能高效利用探测到的光子，因为激发图案集中覆盖了位置仍不确定的区域。在有利条件下，MINFLUX 已实现纳米级定位精度和高精度追踪。这种性能仍取决于背景信号、图案校准的准确性、分子间是否充分分离，以及荧光团的稳定性。即使标记物的坐标测得十分精确，连接标记物与生物靶标的连接臂或标记结构仍会使两者的位置存在偏移。\n\n近场扫描光学显微术采用另一种途径。样品的亚波长结构信息可以由倏逝电磁场携带；这类场随离开表面的距离增加而迅速衰减，无法在常规远场成像中被收集。通过让微小孔径或适当设计的探针尖端贴近样品扫描，便可与这些场相互作用。此时，分辨率在很大程度上由探针尺寸、针尖与样品间的相互作用及其间距决定，而不再仅由波长和物镜孔径决定。\n\n近场方法能够将光学衬度与表面敏感测量相结合，但也受到实际条件的限制。极小孔径的透光量很低，表面形貌可能使探针控制更加复杂，而且通常无法对细胞内部深处成像。因此，其优势与远场荧光纳米显微术有所不同：近场方法尤其适用于表面、纳米材料及局域光学相互作用的研究。\n\n膨胀显微术通过在成像前放大样品来提高有效分辨率。2015 年，陈飞、保罗·蒂尔伯格和爱德华·博伊登提出了这一方法的最初实现方案：将生物材料连接到可溶胀的聚合物网络上，使样品的力学性质均一化，再加水使其膨胀。当膨胀近似均匀时，保留下来的标记物之间的距离增大，而显微镜的光学分辨率保持不变。\n\n对于线性膨胀倍数 \\(M\\)，可作如下简单估算：\n\n\\[d_{\\mathrm{effective}}\\approx\\frac{d_{\\mathrm{optical}}}{M}.\\]\n\n因此，分辨率为 250 nm 的显微镜，在样品沿各线性维度膨胀至原来的四倍后，理想情况下便能分辨原始间距约为 62.5 nm 的结构。有效分辨率还取决于标记物的保留程度、局部形变和采样情况。膨胀使标记物分散到更大的体积中，可能降低亮度，而且这一制样过程无法保留活体样品。该方法的不同变体采用不同的化学锚定方式、膨胀后标记或多轮膨胀步骤。尽管其直接机制是放大样品，而非改变光学信息传递方式，这种方法仍常被归入超分辨率成像。"
    },
    {
      "heading": "荧光标记与样品制备",
      "text": "大多数生物学超分辨率实验都依赖荧光显微术，其中标记物吸收激发光，再发射通常波长更长的光。荧光团并不只是被动的标记：其亮度、发射光谱、光开关特性、化学环境以及抵抗不可逆损伤的能力，共同影响着哪些成像方法能够使用。适合 SIM 的标记物，未必适合 STED 或某种特定的定位成像方案。\n\n有机染料通常能提供较高的光子产额，并可通过抗体、配体或工程化蛋白标签连接到目标上。荧光蛋白则可通过基因工程与目标蛋白融合，既能明确标记的分子身份，也适用于活细胞实验。其实用性取决于成熟、折叠、表达水平，以及融合是否改变了目标蛋白的定位或功能。无论采用哪种方式，图像所反映的都是可检测标记物的位置，并不自然等同于未经修饰的内源分子的准确位置或丰度。\n\n随着分辨率提高，标记物的尺寸变得至关重要。常规间接免疫标记使用一抗（抗体）和带荧光的二抗，可能使发光染料与其靶标相距数十纳米。在普通光学分辨率下，这种偏移的影响可能较小；但当标称分辨率达到 20 nm 时，它可能成为决定狭窄结构表观宽度的主要因素。较小的结合片段、纳米抗体、直接偶联的探针和小尺寸化学标签可以减小这种偏移，但它们各自在特异性、靶标可及性和标记效率方面也都存在限制。\n\n在成像开始之前，制备过程就可能改变样品。化学固定通过交联等反应稳定结构，但不同分子组分的固定速率和效果并不相同。通透处理使探针能够进入细胞，同时也可能导致膜相关物质或可溶性物质流失。脱水、封片和机械操作可能造成收缩或形变。因此，关键不只是最终图像是否清晰，而是标记后呈现的空间排列是否忠实保留了所研究的结构。\n\n光漂白是光化学反应导致的荧光不可逆丧失。它会限制可检测到的光子数量，并可能在采集过程中逐渐抹去信息。可逆闪烁则不同：荧光团暂时进入不发光状态，之后仍可能恢复发光。定位成像方法利用这类状态变化，而不受控的闪烁则可能使强度测量或分子计数变得复杂。\n\n缓冲液的组成也会改变荧光团的行为。氧浓度、还原剂、pH 以及其他化学因素都可能影响亮度、暗态寿命和光漂白。针对固定细胞光开关行为优化的条件，未必适用于活体样品。多色实验还带来更多限制，因为各标记物必须在光谱上能够区分、在化学上彼此兼容，并且保存程度相近。否则，标记密度或荧光团性能的差异可能被误认为不同通道之间的生物学差异。"
    },
    {
      "heading": "三维成像、动态过程与厚样品",
      "text": "生物结构是三维的，但早期许多超分辨率测量主要关注盖玻片附近的一层薄区域。仅提高横向分辨率，无法分辨主要沿光轴方向分隔的物体。因此，三维成像需要在轴向上限制荧光发射区域，或采用能够编码轴向位置的检测方案。具体采用哪种策略，取决于实验是要对静态体积成像、追踪运动的分子，还是记录不断变化的细胞结构。\n\n在定位显微术中，微弱的像散可以使发光体的像呈椭圆形，且椭圆形状随深度变化。经过校准后，可以根据像沿两个轴向的宽度估计轴向位置。其他方法包括将发射光分到不同焦平面，或设计更复杂的点扩散函数。干涉式装置通过合并相向放置的物镜所收集的光，可以实现很高的轴向灵敏度。这些方法能够提供更多位置信息，但也对光学对准、校准和样品几何形态提出了要求。\n\nSTED 可以利用耗尽光的空间分布，在三个维度上限制荧光发射区域；三维 SIM 则使用同时具有轴向和横向结构的照明。光学切片十分重要，因为即使目标结构位于焦平面，离焦荧光仍会产生背景。光片显微术通过从侧面照亮一个薄平面来解决这一问题；将其与超分辨率策略结合，可以减少成像区域之外不必要的光照。\n\n厚样品会引入散射和随空间位置变化的光学像差。浸没介质、盖玻片、封片介质和组织之间的折射率不匹配，会使激发光的空间分布和检测到的图像发生畸变。这种影响通常随深度增加而加重，不仅会降低对比度，还可能使三维定位产生偏差。自适应光学利用可变形反射镜等可控光学元件，补偿部分波前畸变。其效果取决于像差的估计方式，以及像差在整个视场或样品体积内的变化程度。\n\n活体样品还对时间分辨能力提出了额外要求。如果一次重建需要数秒乃至更长时间，除非结构在此期间保持稳定，否则重建结果所对应的就是一个不断变化的对象。运动可能使丝状结构模糊、使膜结构变形，或使对同一分子的多次定位看起来形成了范围更大的分布。因此，相机的标称曝光时间不一定就是实际相关的时间分辨率：必须考虑采集足以生成一幅具有目标分辨率的图像所需数据的全部时间。\n\n提高成像速度，往往意味着每帧收集的光子更少、采样量减少、视场缩小，或降低对空间分辨率的要求。增强照明可以弥补信号不足，但可能导致光漂白和光毒性。在明显的形态变化出现之前，光致损伤就可能已经影响细胞行为。因此，活细胞超分辨率成像的性能是一个多维度的综合指标，涉及空间细节、成像体积、采集时间、观测持续时间，以及能否维持被测生物过程的正常进行。"
    },
    {
      "heading": "生物学应用与互补方法",
      "text": "当生物结构的组织尺度介于完整细胞器与单个分子结构之间时，超分辨率显微术尤其发挥了重要作用。其分子特异性使研究人员能够探究特定组分在复杂结构中的位置。它通常无法像结构测定方法那样给出原子坐标，却能确定带标记的分子群体在细胞环境中的空间位置。\n\n细胞骨架提供了一些重要实例。微管的外径约为25纳米，远低于普通光学显微镜的分辨极限。超分辨率成像可以区分在常规图像中合并为同一结构的相邻丝状结构，不过测得的宽度也包含标记引入的位置偏移，以及光学误差或定位误差。2013年，定位显微术揭示了神经元轴突中肌动蛋白与血影蛋白构成的周期性组织结构，其中相邻肌动蛋白环的间距约为190纳米。这说明，纳米尺度成像不仅能使熟悉的对象更清晰，还能揭示大范围延伸的组织模式。\n\n在突触处，超分辨率方法能够区分突触前释放装置与突触后分子复合体的相对位置。多色成像可以检验特定组分是否隔着突触间隙形成彼此对齐的分布。解释结果时必须仔细进行通道配准，因为微小的色差位移就可能看起来像具有生物学意义的位置偏移。在神经组织中，密集标记和随成像深度变化的像差会进一步增加测量的复杂性。\n\n在细胞核内，对染色质、核孔和转录相关蛋白的成像，将分子身份与纳米尺度的空间组织联系起来。核孔复合体具有重复排列的结构，且其尺寸已得到充分表征，因此也可用作参考结构。研究染色质分布时，必须区分真实的堆积差异与标记可及性、探针丰度或荧光团闪烁行为差异造成的影响。\n\n膜生物学是另一个主要应用领域。超分辨率方法能够揭示细胞膜内受体、黏附蛋白和信号分子的分布。观察到的簇集可能提供有价值的生物学信息，但反复闪烁、标记不完全以及膜表面形貌都可能影响簇集的统计结果。在微生物研究中，成像已被用于考察细菌分裂装置、细胞骨架蛋白，以及常规显微术难以分辨的尺度上的空间组织。\n\n这些技术与冷冻电子显微术及其他结构研究方法相互补充，而非取而代之。电子显微术能够提供精细的超微结构细节，但通常需要不同的样品制备方式，并且在分子鉴别与空间背景信息之间有着不同的取舍。关联成像将基于荧光的身份信息与电子显微镜下的形态信息相结合，同时也带来了样品兼容性和坐标配准方面的挑战。同样，福斯特共振能量转移能够探测通常为数纳米距离范围内的分子邻近关系，但其本身无法生成大型细胞结构的空间分辨图。这些方法在不同的空间尺度和信息层面上回答相互关联的问题。"
    },
    {
      "heading": "重建、定量解读与验证",
      "text": "超分辨率图像是测量的产物，其可靠性取决于从样品制备到图像显示的整个流程。表观分辨率可能受到光学系统、标记、采样、运动或计算处理的限制，而且同一幅图像的不同区域可能存在不同的主要限制因素。因此，单一的分辨率数值只能部分反映数据质量。\n\n不同的测量指标表征不同的性质。孤立荧光结构的宽度综合反映了其真实尺寸、标记的几何特征以及成像模糊的影响。两个峰之间的间距可以表明某一特定位置上的结构是否可分辨，却未必能代表整个视野。定位不确定度用于估计在特定模型下拟合得到的各个坐标的精密度。这些指标都不能直接确定能够被忠实解读的最小生物学特征。\n\n傅里叶环相关通过比较两个统计上相互独立的数据子集中的空间频率成分，被广泛用于估计图像的有效分辨率。该方法在傅里叶空间中沿各个圆环计算相关性，并利用预先设定的阈值，确定相关性不再足够高时所对应的频率。对其结果的解读取决于数据子集如何划分，以及两者的误差是否真正独立。对同一个闪烁荧光团的重复观测，或共同的处理伪影，都可能引入相关性，从而高估独立的结构信息。\n\n在纳米尺度下，漂移和配准误差尤为重要。机械漂移或热漂移会使原本定位精密的数据集发生展宽。基准标记、基于图像的校正以及主动稳定技术可以减轻这一影响。在多色成像中，色差和通道间的放大倍率差异需要通过空间配准来校正；如果畸变随视野位置或成像深度而变化，仅校正统一的偏移量可能并不足够。\n\n计算重建还会引入额外的假设。正则化能够抑制噪声，但也可能抹平真实的不连续边界，或偏向某些特定结构。机器学习方法可以改善去噪效果、加快重建速度，或根据低分辨率输入推断高分辨率图像的外观。其输出依赖于训练数据，可能再现看似合理、却未在测量中得到独立证实的图案。仅凭在熟悉结构上的表现，并不能证明这些方法在陌生样品上的准确性。因此，评估时需要关注重建特征是否有实验信息的支持，而非仅仅符合模型学到的视觉预期。\n\n定量分析还取决于所采用的生物学模型和统计模型。共定位本身并不能证明分子结合；标记的有限尺寸、投影、背景密度以及采样不完整，都会影响表观重叠程度。分子计数需要对重复闪烁和未被检出的标记进行校正。簇的测量取决于所选的零模型，也取决于分析是将定位事件还是推断出的分子作为基本单位。因此，一份信息充分的报告应包含采集设置、探针种类、制备条件、校准信息、重建参数和不确定度估计，并提供原始数据或仅经最低限度处理的数据，以便核查所声称观察到的结构。"
    }
  ],
  "links": [
    "microscope",
    "cell",
    "protein",
    "diffraction",
    "numerical-aperture",
    "refractive-index",
    "photon",
    "measurement-uncertainty",
    "optics",
    "nobel-prize-in-chemistry",
    "fluorescence-microscopy",
    "antibody",
    "calibration",
    "scattering",
    "adaptive-optics",
    "cytoskeleton",
    "microtubule",
    "axon",
    "synapse",
    "cell-nucleus",
    "chromatin",
    "cell-membrane",
    "cryo-electron-microscopy",
    "machine-learning",
    "training-data"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}