单分子定位显微镜（SMLM）彻底改变了生物成像，将传统显微镜的空间分辨率提高了一个数量级。然而，SMLM技术需要很长的采集时间，通常需要几分钟才能产生单个超分辨率图像，因为它依赖于数千个记录帧上的多定位积累。因此，SMLM在高时间分辨率下观察动力学的能力是有限的。近日，以色列理工学院Yoav Shechtman提出了一种基于深度学习的方法，即DBlink，其可从SMLM数据中重建超时空分辨率。
本文要点：
1) DBlink的输入是SMLM数据的记录视频，输出是超时空分辨率的视频重建。作者将卷积神经网络与双向长短期记忆网络架构相结合，来捕捉不同输入帧之间的长期相关性。
2) 作者在模拟细丝和线粒体结构、受控运动条件下的实验SMLM数据和活细胞动态SMLM上展示了DBlink的性能。DBlink的时空插值在活细胞动态过程的超分辨率成像方面取得了重要进展。
Alon Saguy et.al DBlink: dynamic localization microscopy in super spatiotemporal resolution via deep learning Nature Methods 2023
DOI: 10.1038/s41592-023-01966-0
https://doi.org/10.1038/s41592-023-01966-0
