在纳米世界中，蛋白质等微小颗粒在悬浮并悬浮在液体中时，在转变和组装以执行各种任务时似乎会起舞。最近开发的方法使得观看和记录这些难以捉摸的微小运动成为可能，并且研究人员现在通过开发机器学习工作流程来简化过程向前迈出了一步。
伊利诺伊大学香槟分校伊利诺伊大学材料科学与工程学教授钱谦(Qian Chen)领导了这项新研究，该研究以她过去在液相电子显微镜下的工作为基础，并发表在ACS Central Science杂志上。
能够看到和记录纳米粒子的运动对于理解各种工程挑战至关重要。液相电子显微镜可以使研究人员观察纳米粒子在微小的水族容器中的相互作用，这对医学，能源和环境可持续性以及超材料的制造等非常有用。但是，研究人员说，很难解释数据集。生成的视频文件很大，充满了时间和空间信息，并且由于背景信号而嘈杂，换句话说，它们需要大量乏味的图像处理和分析。
Chen说：“开发一种甚至可以看到这些颗粒的方法也是一个巨大的挑战。” “弄清如何有效地从离群值和噪声的海洋中获取有用的数据已成为新的挑战。”
为了解决这个问题，该团队开发了一种基于人工神经网络的机器学习工作流程，该人工神经网络部分模拟了人脑的学习能力。该研究报告称，该程序是建立在现有的神经网络(称为U-Net)的基础上的，该网络不需要手工特征或预先确定的输入，并且在使用其他类型的显微镜识别不规则细胞特征方面取得了重大突破。
主要作者和研究生Lehan Yao说：“我们的新程序处理了三种类型的纳米级动力学的信息，包括运动，化学反应和纳米颗粒的自组装。” “这些代表了我们在液相电子显微镜视频分析中遇到的场景和挑战。”
研究报告称，研究人员从大约300,000对相互作用的纳米颗粒中收集了测量数据。
正如Chen小组在过去的研究中发现的那样，在对某些类型的纳米粒子成像时，对比度仍然是一个问题。在他们的实验工作中，研究小组使用了由金制成的颗粒，这在电子显微镜下很容易看到。然而，当在电子束下观察时，具有较低元素或分子量的粒子，如蛋白质，塑料聚合物和其他有机纳米粒子，显示出非常低的对比度。
她说：“生物学的应用，如寻找疫苗和药物，突显了我们推动使我们的技术可用于生物分子成像的紧迫性。” “病毒与我们的免疫系统之间，药物与免疫系统之间以及药物与病毒本身之间存在至关重要的纳米级相互作用。我们的新加工方法使我们能够从样品中提取信息，这一事实已得到证明。这使我们为下一步的应用程序和模型系统做好了准备。”
该团队已通过新论文的补充信息部分公开提供了本研究中使用的机器学习程序的源代码。Chen说：“我们认为将代码提供给其他研究人员可以使整个纳米材料研究界受益。”
标签：
版权声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢您的支持与理解。