Science Advances· 2026Q1
Derin öğrenme ile geliştirilmiş tek atışlı üç organel STED-FLIM görüntülemesi ile canlı hücrelerde lipit dinamiklerinin incelenmesi
Deep learning–enhanced single-shot triorganelle STED-FLIM imaging of lipid dynamics in living cells
- 0atıf
- Q1SCImago
- 2026yıl
Kısa özet
Derin öğrenme ile demultiplekslemeyi birleştiren yeni bir tek atışlı STED-FLIM görüntüleme tekniği, canlı hücrelerde ER, lipit damlacıkları ve mitokondri arasındaki lipit dinamiklerinin eş zamanlı görselleştirilmesini ve nicelleştirilmesini sağlamaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Canlı hücrelerde ER, lipit damlacıkları ve mitokondri arasındaki lipit dinamikleri için tek atışlı bir STED-FLIM iş akışı sunulmaktadır.
- STED ile çözümlenmiş nano ölçekli ultra yapıyı, ömür kodlu mikroçevre kontrastı ile birleştirir.
- Otomatik segmentasyon ve üç kompartıman nicelleştirmesi için derin öğrenme (VGG16-UNet) kullanır.
- Lipit stresi sırasında ER-LD-mitokondri ekseni boyunca koordineli yeniden yapılanmayı, ferroptoz ve apoptoz geçişleri dahil olmak üzere yakalar.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Lipid homeostasis is orchestrated by rapid exchange and remodeling across the endoplasmic reticulum (ER), lipid droplets (LDs), and mitochondria. However, live-cell visualization of this triorganelle network remains limited by subdiffraction structures, multiplexed labeling burden, and the ambiguity of intensity-only readouts. Here, we introduce a single-shot stimulated emission depletion-fluorescence lifetime imaging (STED-FLIM) workflow that combines Nile Red analogs with deep learning–based demultiplexing to generate compartment-resolved maps of lipid-organelle organization and dynamics. By combining the STED-resolved nanoscale ultrastructure with lifetime-encoded microenvironmental contrast, our approach separates ER, LDs, and mitochondria from a single acquisition and enables automated tricompartment quantification using a lightweight VGG16-UNet segmentation model. This platform captures coordinated remodeling across the ER-LD-mitochondria axis during lipid stress, including ferroptosis- and apoptosis-associated transitions, while simultaneously reporting nanoscale organization and microenvironmental shifts. Together, this strategy provides a practical route to high-spatiotemporal-resolution, lifetime-encoded multiorganelle lipid imaging in living cells.
Yazarların özeti; kaynağından alınmıştır. Science Advances, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Biyokimya (Biyokimya, Genetik ve Moleküler Biyoloji)
BiochemistryBiochemistry, Genetics and Molecular Biology