【摘要】 Mart等人[1]提出了一种使用反射光显微镜和机器学习来评估样品厚度的方法，该方法可以在样品的TEM成像之前使用。

在低温透射电子显微镜(cryo-TEM)中，样品厚度是决定图像质量的最重要参数之一。图像质量随着样品厚度的增加而下降，因为较厚的样品会受到低对比度和附加噪声的影响，从而对图像的可实现分辨率和可解释性产生负面影响。

 

 

为了能够获得最佳分辨率的图像，确保样品足够薄(几十或最多几百纳米)是至关重要的。生产这种薄样品的各种技术都是可用的，但仍然受到结果变化的影响。

 

当冷冻透射电镜与其他成像方法(如光学显微镜)相结合时，由于此类相关成像实验的低通量，测量和控制样品厚度以确保样品的适用性变得更加重要。

 

Mart等人[1]提出了一种使用反射光显微镜和机器学习来评估样品厚度的方法，该方法可以在样品的TEM成像之前使用。该方法利用了薄样品反射窄带LED光源成像时观察到的薄膜干涉效应。通过训练神经网络将这些反射图像转换为潜在样品厚度的地图，其能够使用光学显微镜准确预测冷冻透射电镜样品的厚度。

 

我们使用TEM网格上生长的哺乳动物细胞来举例说明，并证明厚度预测与测量的样品厚度高度相似。

 

随着冷冻透射电镜原位细胞结构生物学的发展，需要在高分辨率成像之前快速准确地评估样品厚度。可以预计其的方法将通过提供使用冷冻透射电镜筛选的替代方法来提高这种评估的吞吐量。

 

此外，证明了该的方法可以结合到相关的成像工作流程中，在高分辨率冷冻透射电镜成像的理想位置定位细胞内蛋白质。

 

[1] Last, M.G.F., L.M. Voortman, and T.H. Sharp, Measuring cryo-TEM sample thickness using reflected light microscopy and machine learning. Journal of Structural Biology, 2023. 215(2).

 

科学指南针通过互联网技术建立更可靠的服务标准，全国拥有31个办事处，20个自营实验室，最好的设备、最专业的老师为您服务。

 

免责声明：部分文章整合自网络，因内容庞杂无法联系到全部作者，如有侵权，请联系删除，我们会在第一时间予以答复，万分感谢。