二次离子质谱-激光扫描共聚焦显微镜联用对单细胞显微成像-原理及应用

二次离子质谱(SIMS)分析主要用于半导体、地质等领域材料表面分析,随着科学仪器技术的发展,近年来,SIMS在生命科学领域中得到了越来越广泛的应用。SIMS可以实现对样品表面的质谱分析、化学成像以及深度剖析。三维SIMS成像分析的横向分辨率可达80~100 nm,纵向分辨率1~5 nm。但是,由于缺少特异性指示亚细胞结构的碎片离子,单细胞SIMS成像分析仍然面临着诸多挑战。激光扫描共聚焦显微成像(LSCM)作为一种单细胞成像技术已日趋成熟,可以对单细胞中的荧光分子或者对荧光标记的目标分子、细胞器成像,获得高分辨率亚细胞结构成像图。因而,LSCM在单细胞形貌分析上的优势和SIMS在单细胞化学成像方面的优势可以有效互补,其联合应用能显著提升单细胞分析的应用范围、深度和结果的准确性。本文重点介绍SIMS成像以及SIMS-LSCM联用成像在单细胞成像研究中的应用进展,在总结、评述该领域代表性工作的同时,对SIMS-LSCM联用成像在化学和生命科学研究,特别是在细胞生物学和药物发现领域的应用前景进行了展望。     

基于深度卷积网络的多传感器信号故障诊断方法研究

针对传统故障诊断方法中多传感器数据融合技术难度大、特征提取困难等问题,提出了一种基于深度卷积网络的多传感器信号故障诊断方法,通过构建测量数据帧进行卷积计算实现多通道数据的自然融合,利用深度网络结构实现高层特征的自动提取和分类,从而高效地实现了故障分类诊断;经分别采用小规模数据集REF和大规模故障数据集BI02进行实验验证,均取得了较高的故障识别准确率,具有很强的工程应用价值。     

血清磷酸化肽的分离富集和质谱定量及其作为潜在肿瘤标志物的评价

血清中磷酸化肽种类和浓度的变化既能反映人体内蛋白质水解酶活性的变化,又能反映蛋白质翻译后磷酸化的水平,业已成为肿瘤标志物寻找和发现的重要目标。因而,血清中磷酸化肽的鉴定及其定量分析在具有临床应用价值的肿瘤标志物的筛选与发现中起着重要作用。由于血清中的内源性磷酸化肽丰度极低,在质谱分析中的离子化效率不高,且受到来自高丰度非磷酸化肽和蛋白质的信号抑制及干扰,血清中磷酸化肽的质谱定量分析是分析化学研究中的一个巨大挑战。文章对血清磷酸化肽的分离富集、质谱定量分析及其作为肿瘤标志物的筛选和评价等3个方面的研究进展进行总结、评述,并展望该领域的未来研究趋势和应用前景。     

基于散射信号的超分辨光学相减显微镜

现有的光学超分辨显微成像技术主要依赖于特殊的荧光标记物,其对于大多数非荧光样品的超分辨成像就变得无能为力。因此我们提出将光学相减显微技术应用到非荧光样品的成像当中,利用普通共聚焦光斑和面包圈型光斑分别激发样品的散射光成像,从而得到样品同一区域的两幅图像,再通过图像相减的方法提高了图像空间分辨率。不同于一般的超分辨成像方法,这种光学相减显微镜不需要特殊的样品预处理过程,同时两次成像的激发光强度可以保持在一个较低水平,避免了样品损伤的影响。随后金纳米小球和有机聚合物微丝的散射成像实验证明了光学相减显微镜可以将空间分辨率提高到215 nm (0.33λ, 1λ = 650 nm),并且通过探测散射信号得到更多的样品细节信息。     

基于深度学习的故障检测方法

针对传统故障诊断方法中特征提取技术难度大、故障样本获取困难等问题,在深度学习计算框架下提出了一种半监督训练的故障检测方法,利用深度信念网络中的受限波茨曼机堆栈结构实现了数据高层特征的自动提取,结合支持向量数据描述方法实现了异常数据检测,只需利用正常工况的数据样本进行网络训练和模型拟合,无需故障样本数据,也无需人工干预进行信号特征提取,即能实现对故障数据进行的实时检测和判别。经采用标准轴承实验数据的三组故障数据进行验证,故障识别率达到100%,具有很强的工程应用价值。