马萨诸塞州剑桥市 — 麻省理工学院(MIT)研究人员在光学物理领域发现了一种悖论现象，这种现象可能促成一种比现有技术更快、分辨率更高的新型生物成像方法。
他们发现，在特定条件下，混乱的激光可以自发地自组织成高度聚焦的"铅笔光束"。
使用这种自组织铅笔光束，研究人员捕获人血脑屏障3D图像的速度比黄金标准方法快25倍，同时保持相当的分辨率。
通过实时显示单个细胞吸收药物的情况，这项技术可以帮助科学家以更快的速度和更高的分辨率测试治疗阿尔茨海默病或肌萎缩侧索硬化症(ALS)等神经退行性疾病的新型药物是否能够到达大脑目标位置。
麻省理工学院电气工程与计算机科学系(EECS)助理教授、电子研究实验室成员、该成像技术论文的资深作者You Sixian表示："该领域的普遍看法是，如果你提高这种激光的功率，光必然会变得混乱。但我们证明事实并非如此。我们遵循证据，接受不确定性，并找到了一种让光自组织成生物成像新解决方案的方法。"
该论文的共同作者包括第一作者、EECS研究生Cao Honghao；EECS研究生Yu Li-Yu和Liu Kunzan；博士后Sarah Spitz、Francesca Michela Pramotton和Federico Presutti；2024届博士毕业生Zhang Zhengyu；哈佛大学和贝斯以色列女执事医疗中心助理教授Subhash Kulkarni；以及麻省理工学院生物与机械工程Cecil和Ida Green特聘教授Roger Kamm。该论文今日发表在《Nature Methods》期刊上。
意外发现
这一发现始于一个最初令研究人员困惑的观察。
研究团队先前开发了一种精密的光纤整形器，这是一种使他们能够精确调节穿过多模光纤的激光的装置。这种类型的光纤可以承载大量功率。
Cao将多模光纤推向极限，以测试它能承受多少功率。
通常情况下，向激光中注入的功率越大，由于光纤中的缺陷，光束就会变得越混乱和散射。
但Cao观察到，当他将功率增加到几乎会烧毁光纤的程度时，光却出现了与预期相反的情况：它坍缩成单一的、针尖般锐利的光束。
You表示："无序是这些光纤的固有特性。通常需要进行的克服这种无序的光工程，尤其是在高功率下，一直是个长期困扰。但通过这种自组织，你可以在不需要定制光束整形组件的情况下获得稳定的超快铅笔光束。"
为了重现这一现象，研究人员发现他们必须满足两个简单但精确的条件。
首先，激光必须以完美的零度角进入光纤。这对于这类光纤来说是一个比通常使用更严格的要求。其次，功率必须调高到光开始与光纤本身的玻璃相互作用。
Cao解释道："在这个临界功率下，非线性可以抵消固有的无序，创造一种平衡，将输入光束转化为自组织的铅笔光束。"
通常，研究人员因担心损坏光纤而在低得多的功率水平下进行这些实验，这种情况下他们不会看到这种自组织。此外，由于多模光纤可以承载如此多的功率，这种精确的轴向对准通常不是必需的。
但综合起来，这两种技术可以在没有任何复杂光工程技术的情况下产生稳定的铅笔光束。
You表示："这就是这种方法的魅力——你可以使用普通的光学设备，而不需要太多专业领域知识就能做到这一点。"
更优的光束
当研究人员对这种铅笔光束进行特性测试实验时，它比许多类似光束更稳定、分辨率更高。其他光束通常会受到"旁瓣"的困扰——这些模糊的光晕会使图像失真。
他们的光束更加纯净，聚焦更加紧密。
基于这些实验，研究人员展示了这种铅笔光束在人血脑屏障生物医学成像中的应用。
这个屏障是一层紧密排列的细胞，可以保护大脑免受毒素侵害，但它也阻挡了许多药物。科学家和临床医生通常希望了解药物如何在血脑屏障的血管系统内流动，以及它们是否能够到达大脑内的目标位置。
You解释道："但使用标准光学设置，最好的做法是一次只能捕获血管系统的一个2D部分，然后多次重复该过程以生成更完整的图像。"
使用这种新技术，研究人员创建了一种超快、高精度的铅笔光束，使他们能够动态跟踪细胞如何实时吸收蛋白质。
Kamm表示："制药行业特别感兴趣的是使用基于人类的模型来筛选能有效穿过屏障的药物，因为动物模型通常无法预测在人体中发生的情况。这种新方法不需要细胞具有荧光标记，这是一个游戏规则改变者。我们首次能够可视化药物随时间进入大脑的情况，甚至可以确定特定细胞类型吸收药物的速率。"
Spitz补充道："然而，重要的是，这种方法不仅限于血脑屏障，它还能在工程组织模型中对多种化合物和分子靶标进行时间分辨跟踪，为生物工程提供了一个强大的工具。"
该团队捕获的细胞级3D图像质量比其他方法更高，并且生成这些图像的速度快约25倍。
You表示："通常，图像分辨率和焦深之间存在权衡——你一次只能探测到一定深度。但通过我们的方法，我们可以通过创建既具有高分辨率又具有大焦深的铅笔光束来克服这种权衡。"
未来，研究人员希望更好地理解铅笔光束的基本物理原理及其自组织背后的机制。他们还计划将该技术应用于其他场景，如大脑神经元成像，并致力于该技术的商业化。
这项工作部分由麻省理工学院启动资金、国家科学基金会(NSF)、硅谷社区基金会、Diacomp基金会、哈佛大学消化疾病中心、MathWorks奖学金和克劳德·香农奖资助。
【全文结束】
